经典筛选设计与最终筛选设计大家好，
谁能给我总结一下经典筛选设计和 DSD 之间的区别？ 这两种方法有何优缺点
估计值
伊尔凡
回复：经典筛选设计与最终筛选设计由于每个因素的中心水平，您会损失功效和估计效率。它们在估计主效应参数时没有杠杆作用。你获得了以下能力：真的筛选情况以（可能）避免额外的运行（增强），以便对高阶项进行建模。
在 JMP 社区博客中搜索“最终筛选设计”，了解更多详细信息和背景信息。 （对你来说比“来回”提出很多问题更容易。）
回复：经典筛选设计与最终筛选设计
嗨吉姆，
当我进行功效分析时，模型比较显示分数阶乘优于 DSD 的任何原因
估计值
伊尔凡
回复：经典筛选设计与最终筛选设计是的........
回复：经典筛选设计与最终筛选设计谢谢吉姆，这是否意味着 DSD 是相对于经典筛选设计的出路？回复：经典筛选设计与最终筛选设计如果您已经定义了 DSD，并且您只是想分析数据，那么答案是肯定的。如果您需要设置 DSD，那么您将选择最终筛选设计。
DOE 指南中涵盖了这方面的完整文档。看：
帮助==>书籍==>实验设计指南
回复：经典筛选设计与最终筛选设计你好吉姆，
这就是我们分析DSD表的方式吗？
右
估计值
伊尔凡
回复：经典筛选设计与最终筛选设计DSD 可从下拉菜单中找到
DOE==>最终筛选==>最终筛选设计
顺便说一句，DSD 的共同发明者 Brad Jones 是 JMP 的长期员工
回复：经典筛选设计与最终筛选设计谢谢吉姆回复：经典筛选设计与最终筛选设计你好卡梅伦，
谢谢你的回复
当您说 JMP 有一个 DSD 专用平台时，您的意思是什么？我可以从哪里获得此选项？
估计值
伊尔凡
回复：经典筛选设计与最终筛选设计DSD 实际上介于筛选和 RSM 之间。总的想法是，您可以筛选大量因素，并且仍然在一个非常高效的设计中为主动效果拟合良好的响应曲面。缺点是它们的分析远没有那么简单。过去几年，人们在如何最好地分析 DSD 方面做了大量工作，JMP 现在拥有专门的 DSD 分析平台。使用链接研究该方法是值得的@tx尼尔森提供的，以及Brad Jones 在最近的 JMP Discovery 上的演讲。
经典筛选侧重于具有 2 水平因子的设计，以确定主动主效应，通常是 2 因子相互作用，有时是更高阶相互作用。您可以添加中心点来检测曲率，但无法对生成的曲率进行建模，因为曲率源因多个连续因素而不明确。好处是它们很容易分析。
回复：经典筛选设计与最终筛选设计这里有几个参考：
Jones, B. 和 Nachtsheim, C. (2011a)。 具有最小锯齿的高效设计。 技术计量学，53, 1, 62 – 71。
Jones, B. 和 Nachtsheim, C. (2011b)。 在存在二阶效应的情况下进行明确筛选的一类三水平设计。 质量技术杂志，43, 1, 1 – 15。
另外，这里还有 Brad Jones 2015 年 Discovery 演讲的链接
确定性筛选设计的新分析方法
