使用 JMP® Pro 和 R 进行确定性筛选设计的模型选择策略Philip Ramsey 博士，North Haven Group 所有者
Maria Weese 博士，迈阿密大学法默商学院分析学助理教授
道格拉斯·蒙哥马利 (Douglas Montgomery) 博士，亚利桑那州立大学工业工程与统计学教授
Jones 和 Nachtsheim (2011) 介绍了一种新型高效实验设计，称为确定性筛选设计 (DSD)。这种设计的高效率加上估计双向交互作用和二次效应的能力，使这种设计成为实验者的一个有吸引力的选择。尽管 DSD 在工业界，尤其是生物技术领域越来越受欢迎，但迄今为止，对这些设计的最佳分析方法的研究却很少。在本次演讲中，我们将讨论一项综合模拟研究的结果，以评估分析 DSD 实验结果的几种可能方法。模拟场景根据实验因子的数量和有效效应的数量而变化：主效应、二次效应和双向交互作用。模拟侧重于三种可能的模型选择策略（使用 AIC 或 BIC 作为选择标准）：1. 前向选择；2. Dantzig 选择器；3. 所有子集回归。将从检测活性效应的功效（定义为正确识别真正活性因子的能力）以及将非活性效应识别为活性的次数（I 类错误）和预测能力等方面对比和比较这些技术。此外，还将讨论使用 JMP Pro 的分析化学（糖谱分析）案例研究，其中 DSD 与 CCD 并行运行。讨论将重点关注这两种设计在活性效应方面的一致性，并为分析这些设计提供建议。还将讨论使用 JMP Pro 和 DSD 进行优化。
