經典篩選設計與確定篩選設計大家好，
誰能給我總結一下經典篩選設計和DSD之間的區別？ 這兩種方法的優缺點是什麼
數據庫
伊爾凡
回复：經典篩選設計與最終篩選設計由於每個因子的中心水平，您會失去功效和估計效率。它們在估計主效應的參數時沒有影響力。你獲得了一個能力真的篩選情況以（可能）避免額外的運行（增強）以便對高階項進行建模。
在 JMP 社區博客中搜索“最終篩選設計”以獲取更多詳細信息和背景信息。 （對你來說比有很多問題的“來回”更容易。）
回复：經典篩選設計與最終篩選設計
嗨，吉姆，
當我進行此功效分析時，模型比較表明部分因子優於 DSD 的任何原因
數據庫
伊爾凡
回复：經典篩選設計與最終篩選設計是的........
回复：經典篩選設計與最終篩選設計謝謝吉姆，這是否意味著與經典篩選設計相反，DSD 是要走的路？回复：經典篩選設計與最終篩選設計如果您已經定義了 DSD，並且您只是想分析數據，那麼答案是肯定的。如果您需要設置 DSD，那麼您將選擇確定性篩選設計。
DOE 指南中涵蓋了這方面的完整文檔。看：
幫助==>書籍==>實驗設計指南
回复：經典篩選設計與最終篩選設計你好吉姆，
這就是我們分析DSD表的方式嗎？
R
數據庫
伊爾凡
回复：經典篩選設計與最終篩選設計DSD 可從下拉菜單中獲得
DOE==>確定性篩選==>確定性篩選設計
順便說一句，DSD 的共同發明者 Brad Jones 是 JMP 的長期員工
回复：經典篩選設計與最終篩選設計謝謝吉姆回复：經典篩選設計與最終篩選設計你好卡梅倫，
謝謝你的回复
當你說 JMP 有一個專門的 DSD 平台時，你的意思是什麼？我從哪裡可以得到這個選項？
數據庫
伊爾凡
回复：經典篩選設計與最終篩選設計DSD 實際上介於篩选和 RSM 之間。總體思路是，您可以篩選大量因素，並且仍然可以在一個非常有效的設計中為主動效應擬合一個不錯的響應面。缺點是它們的分析要簡單得多。在過去的幾年裡，在如何最好地分析 DSD 方面做了大量工作，而 JMP 現在有一個專門的 DSD 分析平台。使用鏈接研究該方法是值得的@txnelson提供，以及Brad Jones 在最近的 JMP Discovery 上的演講.
經典篩選側重於具有 2 水平因子的設計，以確定主動主效應，通常是 2 因子交互作用，有時是高階交互作用。您可以添加中心點來檢測曲率，但您無法對結果曲率進行建模，因為曲率的來源與多個連續因子不明確。好處是它們很容易分析。
回复：經典篩選設計與最終篩選設計這裡有幾個參考：
Jones, B. 和 Nachtsheim, C. (2011a)。 具有最小混疊的高效設計。 技術計量學，53、1、62 – 71。
Jones, B. 和 Nachtsheim, C. (2011b)。 一類存在二階效應的確定性篩選的三級設計。 質量技術雜誌，43, 1, 1 – 15。
此外，這裡是 Brad Jones 2015 年發現演示文稿的鏈接
確定性篩選設計的新分析方法
