850174_zh-CN

liliconcom

使用 JMP® Pro 11 进行确定性筛选设计的建模和分析策略

Philip J. Ramsey 博士，North Haven Group 所有者，新罕布什尔大学教授
Mia L. Stephens，SAS JMP 学术大使

Jones 和 Nachtscheim (2011) 介绍了一种新型高效实验设计，称为确定性筛选设计 (DSD)。这种设计的独特之处在于，实验中的所有因子都有三个水平（可以估计二次效应），主效应正交且没有混叠，并且没有任何两因子交互作用或二次效应与其他效应完全混杂；所有这些只需对 K 个因子进行 2K+1 次试验即可实现。尽管 DSD 开始在工业界，尤其是生物技术领域得到采用，但它们确实为实验者在分析方面带来了独特的机会和挑战。在本次演讲中，我们将讨论可在 JMP 11 中轻松实施的各种 DSD 建模策略，并提供几个来自生物技术实验的示例。讨论的方法包括：对使用 AICc 和 BIC 选择的模型子集进行预测平均；用于估计完整二次模型的模型平均；我们称之为基于帕累托的建模的新技术；以及 JMP Pro 11 中的惩罚回归技术 LASSO。所有方法都将使用基于实际示例构建的模型进行比较，并讨论有关使用各种方法的建议。

https://www.youtube.com/watch?v=W_V1oJmNslE