回复：“Easy DoE”平台中的最终筛选设计你好@O_B ,
此处列出了 Easy DoE 平台中可用的设计：
Easy DOE 平台 (jmp.com) 的统计详细信息
如果满足以下所有条件，Easy DoE 将构建确定性筛选设计：
- 至少有5个因素
- 所有因素都是连续的或分类的
- 所有分类因素都有 2 个水平
- 最多有 3 个类别因素
- 连续因子的数量大于或等于分类因子的数量
对于根据设计所做的分析，您可以在这里找到答案：
Easy DOE Analyze 选项卡的统计详细信息 (jmp.com)
如果切换到“灵活模式”，您将获得有关使用哪个建模平台的更多详细信息：
关于使用的建模平台的差异，这里的社区中有一个类似的问题： 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 平台方法以及结果可能存在的差异。
不同的建模技术可能会创建略有不同的模型，但您可以通过统计方式和您的领域专业知识对它们进行评估和评估，以选择合适且有用的模型。
希望这个回答对你有帮助
回复：“Easy DoE”平台中的最终筛选设计你好维克多，
根据您的解释，这两种方法似乎确实彼此不同。
再次感谢您的宝贵意见。
奥德
回复：“Easy DoE”平台中的最终筛选设计抱歉，我可能会感到困惑，但无论您如何进行分析，“适合最终筛选设计”应该没有区别。 Victor 发布的链接是逐步模型和拟合模型之间的区别。这些当然是从数据构建模型的 2 种不同方法（一种是加法，另一种是减法）。我个人不建议使用 stepwise 来分析实验设计。如果您的设计规划得当，那么在选择设计策略之前，您应该在脑海中有一个模型。现在，如果您正在进行数据挖掘，也许逐步是一种合理的方法。
回复：“Easy DoE”平台中的最终筛选设计你好@statman ,
抱歉，如果提供的链接有点混乱。
问题是关于 Easy DoE 平台中使用的建模技术，以及链接Easy DOE Analyze 选项卡的统计详细信息声明 Fit Stepwise 用于引导模式，或者如果从模型中删除项，则拟合最小二乘法。
灵活的此平台中的模式允许访问其他类型的建模，例如在没有难以或非常难以更改的因素时使用不同估计方法（JMP 中的正向选择、JMP Pro 中的最佳子集）的广义回归。
此 Easy DoE 平台的建模选项中根本没有使用“拟合最终筛选设计”建模技术，即使某些设计生成（请参阅我之前的回答或提供的链接中的条件）可能会导致 DSD。 在另一篇社区帖子中，我解释了 Fit DSD 与其他技术的不同之处，并可能导致模型与具有不同估计方法的其他回归技术不同。
希望这个答案能澄清我的回答，
“Easy DoE”平台中的最终筛选设计你好，
我正在使用 JMP 17 和新的“Easy DoE”平台。
如果我使用“Easy DoE”和 Definitive screening 设计选项，模型的拟合方式将不同于“Fit Definitive Screening”方法，对吧？
如果是这样，在最终筛选适用的情况下，是否推荐使用最终筛选设计平台和独特的模型拟合（而不是“Easy Doe”）？
实验设计
