850174_zh-TW

liliconcom

使用 JMP® Pro 11 進行確定性篩選設計的建模和分析策略

Philip J. Ramsey 博士，North Haven Group 所有者，新罕布什爾大學教授
Mia L. Stephens，SAS JMP 學術大使

Jones 和 Nachtscheim (2011) 提出了一種新型高效實驗設計，稱為確定性篩選設計 (DSD)。這個設計的獨特之處在於，實驗中的所有因子都有三個水平（允許潛在估計二次效應），主效應是正交的並且沒有混疊，並且沒有任何雙因子相互作用或二次效應與另一個效應完全混淆；所有這些只需針對 K 因子進行 2K+1 次試驗即可完成。儘管DSD開始在工業界，特別是生物技術領域得到應用，但它們確實為實驗者在分析方面帶來了獨特的機會和挑戰。在本次演講中，我們將討論可在 JMP 11 中輕鬆實現的 DSD 各種建模策略，並提供來自生物技術實驗的幾個範例。討論的方法包括：使用 AICc 和 BIC 選擇的模型子集進行預測平均；模型平均來估計完整的二次模型；我們稱之為基於帕累託的建模的一種新技術；以及 JMP Pro 11 中的懲罰回歸技術 LASSO。所有方法都將使用基於實際範例建立的模型進行比較，並討論有關使用各種方法的建議。

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