回复：“Easy DoE”平台中的最終篩選設計你好@O_B ,
此處列出了 Easy DoE 平台中可用的設計：
Easy DOE 平台 (jmp.com) 的統計詳細信息
如果滿足以下所有條件，Easy DoE 將構建確定性篩選設計：
- 至少有5個因素
- 所有因素都是連續的或分類的
- 所有分類因素都有 2 個水平
- 最多有 3 個類別因素
- 連續因子的數量大於或等於分類因子的數量
對於根據設計所做的分析，您可以在這裡找到答案：
Easy DOE Analyze 選項卡的統計詳細信息 (jmp.com)
如果切換到“靈活模式”，您將獲得有關使用哪個建模平台的更多詳細信息：
關於使用的建模平台的差異，這裡的社區中有一個類似的問題： https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
我在其中回答了 Fit DSD 平台方法以及結果可能存在的差異。
不同的建模技術可能會創建略有不同的模型，但您可以通過統計方式和您的領域專業知識對它們進行評估和評估，以選擇合適且有用的模型。
希望這個回答對你有幫助
回复：“Easy DoE”平台中的最終篩選設計你好維克多，
根據您的解釋，這兩種方法似乎確實彼此不同。
再次感謝您的寶貴意見。
奧德
回复：“Easy DoE”平台中的最終篩選設計抱歉，我可能會感到困惑，但無論您如何進行分析，“適合最終篩選設計”應該沒有區別。 Victor 發布的鏈接是逐步模型和擬合模型之間的區別。這些當然是從數據構建模型的 2 種不同方法（一種是加法，另一種是減法）。我個人不建議使用 stepwise 來分析實驗設計。如果您的設計規劃得當，那麼在選擇設計策略之前，您應該在腦海中有一個模型。現在，如果您正在進行數據挖掘，也許逐步是一種合理的方法。
回复：“Easy DoE”平台中的最終篩選設計你好@statman ,
抱歉，如果提供的鏈接有點混亂。
問題是關於 Easy DoE 平台中使用的建模技術，以及鏈接Easy DOE Analyze 選項卡的統計詳細信息聲明 Fit Stepwise 用於引導模式，或者如果從模型中刪除項，則擬合最小二乘法。
靈活的此平台中的模式允許訪問其他類型的建模，例如在沒有難以或非常難以更改的因素時使用不同估計方法（JMP 中的正向選擇、JMP Pro 中的最佳子集）的廣義回歸。
此 Easy DoE 平台的建模選項中根本沒有使用“擬合最終篩選設計”建模技術，即使某些設計生成（請參閱我之前的回答或提供的鏈接中的條件）可能會導致 DSD。 在另一篇社區帖子中，我解釋了 Fit DSD 與其他技術的不同之處，並可能導致模型與具有不同估計方法的其他回歸技術不同。
希望這個答案能澄清我的回答，
“Easy DoE”平台中的最終篩選設計你好，
我正在使用 JMP 17 和新的“Easy DoE”平台。
如果我使用“Easy DoE”和 Definitive screening 設計選項，模型的擬合方式將不同於“Fit Definitive Screening”方法，對吧？
如果是這樣，在最終篩選適用的情況下，是否推薦使用最終篩選設計平台和獨特的模型擬合（而不是“Easy Doe”）？
實驗設計
