Niveau: Mittelstufe
Ryan Lekivetz, JMP Senior Research Statistician Developer, SAS
Bradley Jones, JMP Distinguished Research Fellow, SAS
JMP 14 bietet mehrere neue DOE-Funktionen. Die wichtigste davon ist ein neues Design-Tool zur Erstellung balancierter unvollständiger Blockdesigns (BIBDs). Diese Designs verfügen über einen Behandlungsfaktor und einen Blockierungsfaktor. Jede Behandlungsstufe erscheint insgesamt gleich oft, und jede Behandlungsstufe erscheint zusammen mit allen anderen Behandlungsstufen in einem Block gleich oft. Dies schafft eine besondere Art von Balance. Wir werden weitere Details zu diesem Design bereitstellen und die Benutzeroberfläche des neuen Tools demonstrieren.
Der Custom Designer hat ein Paar Optimalitätskriterien für die Generierung A-optimaler Designs und gewichteter A-optimaler Designs hinzugefügt. Ein A-optimales Design minimiert die durchschnittliche Varianz der Parameterschätzungen. Das A-Kriterium ähnelt dem bekannten D-Kriterium, da es sich auf die präzise Schätzung der Modellparameter konzentriert. A-optimale Designs bieten zwei Vorteile. Erstens ist es leichter zu verstehen, wie das A-Kriterium gute Designs hervorbringt als das D-Kriterium, was die Übernahme für neue DOE-Praktiker erleichtert. Zweitens ermöglichen gewichtete A-optimale Designs, unterschiedliche Parametergruppen unterschiedlich stark zu betonen. Beispielsweise könnte man reine quadratische Effekte gegenüber Zwei-Faktor-Wechselwirkungen und beide gegenüber der Haupteffektschätzung betonen.
Das Tool „Designs vergleichen“ unterstützt nun bis zu fünf Designs in der Benutzeroberfläche und bis zu zehn Designs per Skripting. Bisher lag die Grenze bei drei Designs. Wir demonstrieren diese zusätzliche Funktion anhand eines Benutzeroberflächenbeispiels und eines Skriptingbeispiels, das die neuen A-optimalen und gewichteten A-optimalen Designs umfasst.
