如何將額外的試驗加入最終篩選設計的設計試驗？尊敬的 JMP 專家，
我是 Chau Dang，JMP 的新人。我使用 JMP 為我的實驗進行設計。我選擇了具有 6 個變數的確定篩選設計 (DSD)，為我的實驗集創建 17 次運行。在進行實驗期間，我使用相同的變數進行了 7 次額外運行（不是 DSD 設計的）。最後，我想一起分析 17 次運行（來自 DSD）和 7 次額外運行（假因素？）的結果。但是，當我在 17 次運行表中添加 7 次額外運行時，模型（擬合最終篩選）無法理解並且不提供任何結果。我嘗試使用“分析 --> 擬合模型”總共 24 次運行；然而，僅確定了重要參數，而沒有考慮二階。
如果您能給我建議解決此問題的解決方案，那就太好了。我不想浪費 7 次額外的運行。
非常感謝您的大力支持！
我正在等待您的評論。
此致
週當
實驗設計視窗回覆：如何將額外的試驗加入最終篩選設計的設計試驗？嗨@danghuyenchau89 ，
歡迎來到社區！
您的 7 次試驗是 17 次試驗設計中原始試驗的重複。將重複新增至確定篩選設計會破壞 DSD 的特定折疊結構，因此您不能再使用「Fit DSD」平台（因為它需要折疊結構進行分析）。請參閱最終篩選設計 - 複製@Mark_Bailey的主題和答案。如果您有足夠的實驗預算來增加樣本量並協助選擇模型中的項，建議使用 DSD 平台中的「 額外運行」選項： Effective Model Selection for DSD
您仍然可以使用「擬合模型」平台，指定因子的所有主效應、雙因子交互作用和二次效應，並使用變數選擇方法，例如「擬合模型」平台的逐步個人化（使用 JMP）或在同一平台中使用廣義迴歸模型（使用 JMP Pro）。您可能也對這些討論感興趣：
如何在明確的篩選設計中處理重複和失敗的運作。
確定性篩選設計問題（關於重複的使用和影響）
請尋找隨附的資料表，其中包含用於啟動 Stepwise 平台的腳本以及使用「擬合模型」建立的模型。
希望這個回答對你有幫助
回覆：如何將額外的試驗加入最終篩選設計的設計試驗？親愛的維克多，
非常感謝您的回答！我發現它非常有用。
我按照您的指示進行操作並獲得了我想要的結果。我意識到，需要根據“擬合最終篩選”中顯示的參數在“擬合模型”中選擇重要的參數交互作用。否則，將考慮所有參數交互，這可能導致模型的 p 值和 R 平方 (Rsp) 產生不同的結果。
我想到的另一個問題與我的實驗有關，我將生物質轉化為生物炭。該模型很好地預測了生物炭的固體產率和熱值。然而，存在一種間接反應（例如，生物炭的灰分成分），透過在550°C 下燃燒生物炭來分析該反應以確定灰分成分。這種間接反應顯示模型中的 RMSE（均方根誤差）非常高，為 2930。
我該如何解釋如此高的 RMSE？我是否可以得出結論，該模型不適合預測這種間接反應？
此致
回覆：如何將額外的試驗加入最終篩選設計的設計試驗？抱歉@danghuyenchau89 ，但沒有足夠的有關此響應測量的模型、響應和上下文的資訊來幫助您解釋/得出有關 RMSE 的特定值的結論。
有一些問題可以幫助您：
- 該測量的標準差是多少？您是否已經有一些測試或指示這些測量的典型分散/不確定性的值？該值可以幫助將模型的預測性能與測量不確定度進行比較。根據這些值的相關程度，您可以更好地了解模型的可靠性和有用性。
- 美國能源部研究中是否所有可能的因素都與這種間接反應有關？也許美國能源部未考慮到的其他一些因素有助於解釋和預測這種反應？
- 操作條件的控制和穩定性如何？特別是，燃燒溫度設定如何控制？您能否在實驗過程中測量溫度以在分析中考慮它（可能作為協變量）？
- 對於建模部分，您是否檢查了響應的分佈並選擇了合適的響應分佈（例如在廣義回歸平台中）？你檢查過殘差嗎？不充分的分佈會對建模產生嚴重影響，打破線性迴歸的假設並擴大模型的誤差。在前面的範例中，為 GenReg 建模選擇 LogNormal 分佈或套用 Box-Cox 轉換可以提高 RMSE（兩個模型中的項相同，右側進行 Box-Cox 變換，RMSE 從 1623 減少到 1308）：
- 另外，由於我沒有有關您的建模的信息，因此可能有幾件事需要檢查：您的模型選擇標準和指標是什麼（R²、R²調整、RMSE、p值、資訊標準等），什麼是模型中引入的術語等......
我確信可能還有許多其他考慮因素需要注意，但這幾個簡單的問題可以幫助您。
