如何正確解釋最終篩選設計 (DSD)我正在使用 JMP 14.3 優化具有 6 個輸入變數和 3 個層級的工作流程（附件是包含資料表的檔案）。 我的想法是使用 JMP 獲得 6 個變數的最佳組合，從而在執行最少實驗次數的情況下提供最佳輸出結果。
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（每個變數的最小值和最大值）定義了因子表，並且創建了要執行的實驗表。 產生的表格提出了 17 個實驗。
在幾週的時間裡，我進行了 17 次實驗，並將結果 (Y) 加入附表。 根據這些數據，我調整了篩選，並發現其中 4 個變數具有統計顯著性。 我在預測刻畫器中選擇：優化和意願 > 最大化意願，以獲得最佳的因素組合。
此時我有幾個問題：
1. 對於非顯著值，我應該選擇什麼值/水平？ 我可以選擇其中任何一個嗎？
2. 我想建立一個模型來根據所選的因子值來預測或估計輸出 (Y)。 我怎麼能這樣做呢？ 我可以模擬更多的值嗎？
3. 我可以得到一個方程式（或模型中的公式）嗎？
非常感謝。
此致，
沃迪亞姆
實驗設計分享和交流成果回覆：如何正確解釋最終篩選設計 (DSD)我想這可能是我一直在尋找的解釋，提醒人們 DSD 是一種篩選設計，並且聲稱它的二次效應功效較低。只要弄清楚如何為我的 DSD 進行功效分析，因為我看到的只是主效應的功效，而不是相互作用和二次方程式。
https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
回覆：如何正確解釋最終篩選設計 (DSD)使用 JMP 17.0，我得到了這個，關閉了兩個遺傳預設值。假設數學全部完成（沒有錯誤或編碼錯誤），我必須得出非遺傳溫度 * 溫度在統計上不顯著的結論。有點驚訝。我看不出有什麼方法可以讓它在這個對話框中向我展示一個關於 DSD 特殊分析方法的更普遍的問題，我將在其他地方發布。如果我透過「製作模型」手動添加它，它對我來說確實具有統計意義。這很神秘，讓人質疑我的假設，即不存在錯誤、數學或編碼錯誤（但是，嘿，我自己還無法完成所有方差分析和此類數學計算）。有機會解釋嗎？
回覆：如何正確解釋最終篩選設計 (DSD)非常感謝您的評論，斯塔曼；）
沃迪亞姆
回覆：如何正確解釋最終篩選設計 (DSD)一些評論：
1. 首先請容許我指出統計顯著性（透過實驗運作方式和使用的模型來控制）和實際顯著性之間存在差異。 如果不知道 Y 的變化有多少具有實際意義，分析將不是最佳的。
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級別，這些因素不受模型中其他因素的影響。 是否可以推斷或推斷這些發現更多的是一個工程/科學問題，而不是統計問題。
3. 始終使用 Rsquare Adj 作為預設值。 R 方總是會隨著模型自由度的增加而增加，但重點是用被認為顯著的項來決定 R 方。 這就是 Rsquare Adj 的作用。 如果 R 方和 R 方調整之間存在差異，則表示模型過度指定。 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. 選擇「最佳」模型時，必須考慮多種因素。 R 方、RMSE、殘差、實際評估等
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「雜訊」的影響非常有用，並且在某些情況下可以確定第一次重複（分塊= -1）中估計的影響是否在不同的雜訊條件（分塊= 1）上重複。 這是預期目的之一，看看因子效應對雜訊是否具有穩健性。 恕我直言，在實驗之前應該仔細考慮阻塞，但是您也許可以在事後嘗試中挽救一些有用的信息。
6. 看來你可以進行一項研究。 III 分數階乘，在 8 個處理中使用 2 個水平的因子（相對於 DSD），並得到相同的結果。 您可以保存運行並將其用於額外的重複...事後看來總是 20-20
回覆：如何正確解釋最終篩選設計 (DSD)親愛的馬克和斯塔曼，
非常感謝您的回答。 我已仔細查看了 DSD 連結上提供的所有幫助，並且已經更好地理解了我遇到的許多問題。
還有一些問題想和您討論一下，看看您能否幫我解答一下。
完成 DSD 並運行模型後，僅考慮 6 個因素中的 4 個因素為顯著（「活躍」）。 我知道其他兩個因素的影響是不相關的（電壓和溫度），但在我的實驗方案中，這兩個因素必須是相關的，因為它們是必要的元素（我不知道的是它們的最佳水平）。 在總結了主要影響之後，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，我發現有些值與觀測值相差甚遠。 我怎樣才能更好地擬合模型？ 我應該使用更多運行次數嗎？
我曾想過在生成的表中製作建議運行的副本，在這種情況下，我應該啟動設計中的阻塞選項嗎？ 如果是這樣，我是否應該添加一個引用每個副本的分類因素？
最後，我已經看到，透過使用擬合來確定篩選平台，我得到了我想要的模型公式，並且我可以在表中新增包含預測值的欄位。 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
回覆：如何正確解釋最終篩選設計 (DSD)馬克已經給了你適當的指導。 我只想評論一下你的目標：“我認為我的研究是一種篩選情況，因為我有多個變數需要測試，我尋找所有這些變數的最佳組合獲得最佳輸出。 這是主要目標」。
這不是篩選設計的目的。 重申馬克的評論，篩選設計的目的是確定整個集合中的哪個子集值得進一步研究。 這不是一個試圖「選出獲勝者」的測試，而是一個深入了解預測變數和反應變數之間因果關係的實驗。 幾乎總是需要迭代。 繼續。
回覆：如何正確解釋最終篩選設計 (DSD)最重要的篩選原則之一是效應稀疏性。 這意味著您期望透過篩檢消除至少一半的因素。 透過這原理，篩選設計是經濟的。 他們不提供將模型與所有項擬合所需的數據。
我已經解釋了模型選擇和開發的過程。 請指出哪一步不清楚。
你有看過DSD的文檔嗎？ 開始這裡。
回覆：如何正確解釋最終篩選設計 (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，因為我有多個變數需要測試，我尋找所有這些變數的最佳組合獲得最佳輸出。 這是主要目標。
但同時，我利用論壇中的問題來了解對相同數據的任何額外分析是否能讓我獲得一個模式或公式，可以預測未來如果我改變變量的值會發生什麼將是不進行實驗的預期輸出。 第二個問題比較好奇，也是次要的。
請問你能幫幫我嗎？。
感謝您的幫助。
沃迪亞姆
回覆：如何正確解釋最終篩選設計 (DSD)另外，您也沒有具體說明您的情況是否屬於篩選研究。 與任何篩選設計一樣，DSD 假定了關鍵的篩選原則。
回覆：如何正確解釋最終篩選設計 (DSD)您是否在 DOE 選單中看到了「擬合最終篩選」命令？ 該平台執行全自動分析並為您選擇最佳模型。 然後，您可以透過點擊「製作模型」或「運行模型」按鈕跳到「擬合最小平方法」平台。 您可以使用預測刻畫器來探索響應或優化響應。 您可以將擬合模型儲存為新的列公式。
您是否閱讀了 JMP > 幫助 > 文件 > 擬合線性模型指南？
