如何正確解釋確定性篩選設計 (DSD)我正在使用 JMP 14.3 優化具有 6 個輸入變量和 3 個級別的工作流（附件是帶有數據表的文件）。 我的想法是使用 JMP 來獲得 6 個變量的最佳組合，從而獲得最佳輸出結果，但執行的實驗次數最少。
在我看來，最好的選擇是進行明確的篩選設計以查看主要效果。 我已經用極值（每個變量的最小值和最大值）定義了我的因子表，並創建了要執行的實驗表。 生成的表格提出了 17 個實驗。
在幾週的時間裡，我進行了 17 次實驗，並將結果 (Y) 添加到了附表中。 有了這些數據，我調整了篩選，我發現其中 4 個變量在統計上是顯著的。 我在預測刻畫器中選擇了：優化和意願 > 最大化意願，以獲得最佳的因素組合。
在這一點上，我有幾個問題：
1. 我應該為非顯著值選擇什麼值/級別？ 我可以選擇其中任何一個嗎？
2. 我想創建一個模型來根據所選的因子值來預測或估計輸出 (Y)。 我怎麼能這樣做？ 我可以模擬更多的值嗎？
3. 我可以得到一個方程（或模型中的公式）嗎？
非常感謝。
此致，
沃迪亞姆
美國能源部回复：如何正確解釋確定性篩選設計 (DSD)非常感謝您的評論 statman 
沃迪亞姆
回复：如何正確解釋確定性篩選設計 (DSD)一些評論：
1. 首先請允許我指出統計顯著性（您可以通過實驗的方式和使用的模型來控制）和實際顯著性之間存在差異。 在不知道 Y 的變化有多大實際意義的情況下，分析將是次優的。
2. 對於被確定為統計上不顯著的因素，您可以將其解釋為鑑於您測試的水平，這些因素不受模型中其他因素的影響。 您是否可以推斷或推斷這些發現更像是一個工程/科學問題，而不是統計問題。
3. 始終使用 Rsquare Adj 作為默認值。 R 方總是會隨著模型自由度的增加而增加，但關鍵是要使用被認為顯著的項來確定 R 方。 這就是 Rsquare Adj 的原因。 如果 RSquare 和 RSquare Adj 之間存在差異，則表明模型過度指定。 哦，順便說一句，這與模型在未來或在不同的推理空間下是否有用無關。
4. 在選擇“最佳”模型時，必須考慮許多因素。 Rsquare, RMSE, Residuals, Practical Assessment等
5. 運行重複是測試模型充分性的絕佳技術。 使用分塊方法對於探索“噪聲”的影響非常有用，並且在某些情況下可以確定在第一次復制 (Block = -1) 中估計的影響是否在不同的噪聲條件 (Block = 1) 上重複。 這是預期目的之一，以查看因子效應是否對噪聲具有魯棒性。 恕我直言，在實驗之前應該對阻塞進行深思熟慮，但是您可以挽救一些有用的信息作為後驗嘗試。
6. 看起來你可以運行 Res。 III 部分階乘，在 8 個處理中的 2 個水平的因子（與 DSD 相比）並得到相同的結果。 您可以保存運行並將它們用於額外的複制...事後諸葛亮總是 20-20
回复：如何正確解釋確定性篩選設計 (DSD)親愛的馬克和斯塔曼，
非常感謝您的回答。 我已經仔細查看了您 DSD 鏈接上提供的所有幫助，並且已經更好地理解了我的許多問題。
還有一些問題我想和你討論一下，看看你能不能幫我澄清一下。
在進行 DSD 並運行模型後，僅將 6 個因素中的 4 個視為顯著（“活躍”）。 我知道其他兩個因素的影響不相關（電壓和溫度），但在我的實驗方案中，這兩個因素必須是因為它們是必要的元素（我不知道它們的最佳水平）。 在總結主要影響之後，我可以考慮為這些因素引入的任何水平，因為它不會影響輸出，這是正確的嗎？
基於擬合平台，我獲得了 RSq = 0.94，但是當我將預測值保存在新列中時，我發現有些值與觀察值相差甚遠。 我怎樣才能更好地適應模型？ 我應該使用更多的跑步嗎？
我曾想過在生成的表中復制建議的運行，在這種情況下，我應該在設計中激活阻塞選項嗎？ 如果是這樣，我應該添加一個引用每個副本的分類因素嗎？
最後，我已經看到，通過使用擬合確定性篩選平台，我得到了我想要的模型公式，我可以在表格中添加一個包含預測值的列。 太好了。
非常感謝您的幫助並原諒我提出這些菜鳥問題。
沃迪亞姆
回复：如何正確解釋確定性篩選設計 (DSD)馬克已經給了你適當的方向。 我只想評論你的目標：“我認為我的研究是一種篩選情況，因為我有多個變量要測試，我會尋找所有這些變量的最佳組合獲得最佳輸出. 這是主要目標。”
這不是篩選設計的意圖。 重申馬克的評論，篩選設計的目的是確定整個集合的哪個子集值得進一步研究. 這不是您試圖“挑選獲勝者”的測試，而是一項旨在深入了解預測變量和響應變量之間因果關係的實驗。 幾乎總是需要迭代。 繼續。
回复：如何正確解釋確定性篩選設計 (DSD)最重要的篩選原則之一是效應的稀疏性。 這意味著您希望通過篩選消除至少一半的因素。 通過這個原理，篩選設計是經濟的。 它們不提供用所有術語擬合模型所需的數據。
我已經解釋了模型選擇和開發的過程。 請說明哪一步不清楚。
你看過 DSD 的文檔嗎？ 開始這裡.
回复：如何正確解釋確定性篩選設計 (DSD)親愛的馬克，
謝謝你的回答。 事實上，我認為我的研究是一種篩選情況，因為我有多個變量要測試，我會尋找所有這些變量的最佳組合以獲得最佳輸出. 這是主要目標.
但與此同時，我利用我在論壇上的問題來了解是否對相同數據進行任何額外的分析，是否可以讓我獲得一個模式或公式，如果我改變變量的值，我可以預測未來會發生什麼將是不執行實驗的預期輸出。 第二個問題比較好奇，而且是次要的。
請問你能幫幫我嗎？。
謝謝您的幫助。
沃迪亞姆
回复：如何正確解釋確定性篩選設計 (DSD)此外，您沒有具體說明您的情況是否屬於篩查研究。 與任何篩選設計一樣，DSD 採用了關鍵篩選原則。
回复：如何正確解釋確定性篩選設計 (DSD)您是否在 DOE 菜單中看到“擬合確定性篩選”命令？ 該平台執行全自動分析並為您選擇最佳模型。 然後，您可以通過單擊“製作模型”或“運行模型”按鈕跳轉到“擬合最小二乘”平台。 您可以使用 Prediction Profiler 來探索響應或優化響應。 您可以將擬合模型另存為新的列公式。
您是否閱讀了 JMP > 幫助 > 文檔 > 擬合線性模型指南？
