使用引导技术设计实验的模型验证策略及其在生物制药中的应用 (EU2018 201)级别：中级
菲利普·拉姆齐 (Philip Ramsey)，新罕布什尔大学首席讲师；North Haven Group 所有者
Chris Gotwalt，SAS 统计研究与开发总监
统计建模有两个不同的目标：解释和预测。解释模型通常预测效果不佳（Shmueli，2010）。设计实验 (DOE) 分析通常具有解释性，但实验目标是预测。DOE 是产品和流程开发的最佳实践，可以预测未来的性能。预测建模需要将数据划分为训练集和验证集，其中验证集用于评估预测模型。大多数 DOE 的观察结果不足以形成验证集，因此无法直接评估预测性能。我们演示了一种“平衡自动验证”技术，使用原始数据创建该数据的两个副本，一个是训练集，另一个是验证集。这两个集合的行权重不同。权重是狄利克雷分布的，并且是“平衡的”；对训练数据贡献较大的观察结果对验证集的贡献较小（反之亦然）。该方法只需要复制数据并创建权重公式列。该技术是通用的，允许将预测建模技术应用于实验室和制造研究中常见的较小数据集。两个生物制药工艺开发案例研究用于演示。两个案例都具有大型验证集和确定性筛选设计。JMP 用于演示分析。
