需要关于分析DSD并过渡到RSM模型的指导大家好，
希望你一切都好。
我在JMP 用户社区发帖询问关于 DSD 的问题，但不知为何被举报为垃圾信息？我在这里重新发帖，希望能有人帮忙。
我是一名硕士研究生，目前正在进行一个研究项目，该项目使用JMP中的确定性筛选设计（DSD）来优化垂直轴风力涡轮机（VAWT）。我已经完成了8因子DSD的全部22次运行，但我在分析和后续步骤方面遇到了困难。
论文截止日期还有两周，我不太清楚在不进行进一步增强的情况下，将我的 DSD 结果转换为 RSM 是否正确。
任何简要的见解或推荐资源都将不胜感激！
太感谢了！
问候，
回复：需要关于分析DSD模型并过渡到RSM模型的指导嗨@Mohnasre ，
是的，有时候社区的自动过滤功能不太灵敏，所以您的消息可能被错误地标记为“垃圾邮件”。
关于您的主题和DSD分析，能够帮助您的信息非常少，而且您尤其没有解释研究背景、研究目标以及您在DoE方面的经验。
确定性筛选设计（Definitive Screening Designs）主要用于筛选（顾名思义），但它们也能检测出强交互作用和二次效应。您可以点击此处阅读更多关于其性能和检测能力（以及如何从中拟合完整的响应曲面模型）的信息。能否从您的设计中拟合完整的响应曲面模型取决于运行次数（此处为 22 次，包括 8 个因子的 4 次额外运行）以及检测到的有效主效应的数量。根据 JMP 帮助文档，如果您检测到的显著主效应少于 4 个（来自您的 8 个因子），则可以对您的数据拟合响应曲面模型。
关于分析，我建议从以下方面入手：
- 使用 Fit Definitive Screening 平台，这是用于 DSD 分析的默认平台。创建此设计时，数据表中已包含运行此分析的脚本。
- Fit 两级筛选平台，能够有效检测主效应、交互效应和二次效应。
Fit Model 平台提供了更多估计方法来拟合最小二乘模型，以及使用两阶段向前选择或剪枝向前选择估计方法的广义回归模型（使用 JMP Pro）。
比较这些平台找到的模型，看看它们有哪些相同点和不同点。如果模型不同，在比较它们的解释力（使用R² 和 R² 调整后的指标，力求两者差异最小时最大化）、预测力（使用均方根误差指标，力求两者差异最小）以及模型复杂度（使用AICc 和 BIC等信息准则，力求两者复杂度最小）之前，应验证回归模型是否符合回归假设（通过残差分析）。
根据模型中检测到的主要效应的数量和模型的精确度，您可以评估是否已通过此 DSD 使用有用且相关的模型充分回答了您的目标，或者是否需要进行增强阶段以拟合更完整、更精确的模型。
希望这些建议对您有所帮助。如果您需要更具体的反馈和帮助，可以提供更多信息和背景，或者分享您的（匿名化）数据表。
最好的，
回复：需要关于分析DSD模型并过渡到RSM模型的指导非常感谢@Victor_G的详细解答！
本论文的目标是提高垂直轴风力机（VAWT）的功率系数（效率）。具体方法是优化每片叶片尖端附加装置的参数。最初参数很多，因此我不得不进行一些调整，最终保留了8个参数（7个连续变量和1个分类变量）。最初的想法是应用筛选设计来减少参数数量，然后使用响应面法（RSM）进行优化。动态结构设计（DSD）优于其他筛选设计，尤其是在参数数量为4个或更少时，它允许拟合完整的RSM模型，因此我选择了这种设计。
我对DOE或DSD了解不多，但我通过阅读一些网络研讨会的幻灯片学到了一些东西。
回顾我的结果，我发现了以下几点：
- 当我使用 95% 置信区间 (p=0.05) 拟合 DSD 模型时，只得到两个主要因子（我们称它们为 A 和 B，其中 B 为分类因子）。R² 为 0.56，调整 R² 为 0.45。
- 当我使用 90% 置信区间 (p=0.1) 拟合 DSD 模型时，得到 4 个主要因子 (A,B,C,D)。R² 为 0.89，调整后的 R² 为 0.82。
在这两种情况下，似乎都不需要进一步增强来优化参数。
但我的问题是：
- 我应该选择第二个选项，即 p = 0.1 吗？
- 之后，我该如何拟合RSM模型？我是否需要使用DSD以外的平台来获取我得到的主要参数？还是可以直接在DSD平台上进行拟合？
- 最后，假设我完成了响应面法 (RSM) 拟合，并得到了参数 (A,B,C,D) 的优化值。如果我想通过在 ANSYS 中运行一些其他 CFD 模拟来验证预测的功率系数（响应），我应该为其他参数 (E,F,G,H) 选择什么水平？在运行 CFD 模拟时，我是否应该选择这些参数的中心值？（注意，我需要所有 8 个参数来绘制垂直轴风力涡轮机的翼尖叶片。）
再次感谢您的帮助，我非常感激！
此致，
回复：需要关于分析DSD模型并过渡到RSM模型的指导您可以尝试我提到的两个平台，看看能否获得更多模特推荐。
关于“Fit Definitive Screening”以及您测试的两种统计显著性阈值设置，您可以参考以下讨论，或许对您有所帮助： 在 DSD 分析中将第一阶段 P 值设置为较高水平以检测活性效应
AICc 和 BIC是信息准则，用于评估模型复杂度和准确性之间的权衡。在比较多个模型时，它们可以作为有用的指标，帮助找到拟合度高且复杂度低（AICc/BIC 值低）的模型。
就你目前的情况而言，由于你处于筛选阶段，我认为第二个模型比第一个模型更有用，因为 R2/R2 调整值更高，而且两者之间的差异似乎很小，表明模型调整良好。
从更实际的角度来看，回答你的问题：
- 您可以通过点击“组合模型参数估计”中的“ 运行模型”来拟合“拟合最终筛选”找到的模型。在“拟合两级模型”平台中，您也可以使用类似的选项来构建或运行包含检测到的影响的模型。模型运行后，您可以检查它是否符合回归假设。
- 这个问题没有标准答案，您可以选择最实用的参数水平，例如中等水平或低水平（例如，如果低水平为 0，则可能有助于 CFD 计算）。找到各参数的最佳设置后，运行 CFD 模拟以验证这些设置是否代表最佳值，以及您的模型是否能够准确预测最佳值。
玩得开心 ！
回复：需要关于分析DSD模型并过渡到RSM模型的指导很有意思的案例！你筛选了 4 个主效应，这样就可以拟合响应曲面模型 (RSM) 了，这很棒。所有交互效应和二次项都显著吗？我会剔除弱交互效应和低功效项，以避免过拟合。需要通过扩展模型进行更多运行来验证这些效应。祝你的硕士论文一切顺利！
回复：需要关于分析DSD模型并过渡到RSM模型的指导我遇到一个包含7个因子的DSD案例，为了过滤掉主效应，我不得不将阈值p值提高到0.4（！）。我使用Victor提到的Fit两水平筛选方法再次验证了该筛选的可靠性，结果相同；因此我对第一次DSD筛选结果很有信心。不幸的是，我得到了5个有效因子，所以我不得不额外运行4次DSD来消除交互效应，以便将模型升级到RSM。最终结果一切顺利！
回复：需要关于分析DSD模型并过渡到RSM模型的指导非常感谢@Victor_G的宝贵帮助！您的支持我们感激不尽！
我今天一定会查看你提到的所有链接。
最后一个问题，Box-Cox变换在我的情况下重要吗？截图显示，λ = -2是降低SSE的最佳值。我尝试了一下，得到R² = 0.92，R² adj = 0.85。
回复：需要关于分析DSD模型并过渡到RSM模型的指导你好@frankderuyck ，
不，在我尝试的第二个模型中，并非所有交互作用都可用（p=0.1），只有 2 个交互作用和 2 个平方项（A*B、B*C、B^2、C^2），以及 4 个主要因素（A、B、C、D）。
由于我得到了 3 个连续因子（A、C、D）和 1 个分类因子（B），我认为没有必要进行增广来拟合 RSM，分类因子 B 的高水平（+1）在我尝试的所有情况下都明显优于低水平（-1）。
感谢您的精彩回复！非常感谢！
回复：需要关于分析DSD模型并过渡到RSM模型的指导您可以尝试使用 lambda=-2 的 Box-Cox 变换，并比较原始模型和变换后的模型，以确定哪个模型更符合回归假设：绘制实际值与预测值的关系图以及残差分析图，以检验残差是否具有随机正态分布模式和同方差性（同方差性）。然后，您可以比较两个模型的性能。
转换有助于使模型更好地符合回归假设并简化模型。
当 lambda 值为 -2 时，这等价于将 Y 转换为 1/Y2： https://www.statisticshowto.com/probability-and-statistics/normal-distributions/box-cox-transformation/
希望这些答案能帮助你分析结果！回复：需要关于分析DSD模型并过渡到RSM模型的指导@Victor_G ，你好！
我尝试了 Box-Cox 变换，它在 R^2、R^2 adj、RMSE、AICc 和 BIC 方面都取得了更好的结果。
现在我想拟合响应面模型（RSM），如果我选择“分析”→“拟合模型”，我应该选择什么作为y变量？是选择从CFD模拟中得到的原始功率系数？还是选择从Box-Cox模型中得到的预测表达式？
非常感谢您的帮助和支持！没有您的帮助，我真不知道该怎么办 
回复：需要关于分析DSD模型并过渡到RSM模型的指导你好@Mohnasre ，
好的，听起来这种变换可能对你的情况有帮助。它对残差（随机模式、同方差性、残差的正态分布）有积极影响吗？
不太确定是否完全理解您的问题？一旦您通过“拟合最终筛选”和/或“拟合两级筛选”平台检测到模型中的项，即可通过集成的“拟合模型”平台直接创建或运行模型。之后，您可以评估哪个 lambda 值最适合 Box-Cox 变换，并选择“替换为变换”选项。现在您应该得到了您提到的最终模型，然后您可以保存预测公式，以便将该方程直接添加到您的数据表中。请注意，您无需进行任何“反向”变换或任何其他操作即可恢复到原始单位，因为 JMP 在保存预测公式时已经自动完成了此操作。在“预测分析器”中也会直接执行此操作。就您的情况而言，您会在“预测公式”列中看到，如果您选择了 lambda 值为 -2，JMP 将在方程前添加项“1/square(表达式)”（或简称 square(表达式)，指数为 -2），以执行此反向变换，使其恢复到原始单位。
如果您指的是“拟合模型”中提供的“显示预测表达式” ，则此方程是转换后对数据进行拟合的方程，因此如果您打算使用它，请不要忘记将其转换回您的原始单位。
希望这个答案能帮助你最终确定选题。
回复：需要关于分析DSD模型并过渡到RSM模型的指导你好@Victor_G ，
是的，这种改造也确实改善了残差性能。
好的，为了确认一下，使用 RSM 宏时不需要使用 Fit Model 平台，对吗？
我之前认为 DSD 平台主要用于筛选，在确定活性因素后，我需要使用“分析 → 拟合模型”和“响应曲面”宏来构建单独的 RSM 模型。
所以如果我理解正确的话，在DSD平台应用Box-Cox变换并接受变换后的模型后，我已经得到了一个相当于“RSM水平”的活性因子模型，不需要额外的RSM拟合步骤？
不好意思问这么基础的问题，我只是想确保我完全理解正确的工作流程。
再次感谢您的宝贵帮助！
回复：需要关于分析DSD模型并过渡到RSM模型的指导顺便说一下，我尝试使用 RSM 宏的 analyze --> fit model 命令。我使用了从 Box-Cox 变换得到的“预测响应”作为y响应。
与最终的 DSD 模型相比，该拟合模型多了 2 个活跃的交互项，具有更高的 R^2、R^2 adj 和更低的 AICc、BIC 和 RMSE。
但我感觉用“预测响应”作为Y变量再次进行预测有点问题。所以我才问你，在Box-Cox变换之后，是否需要在另一个平台上拟合RSM模型。
谢谢
回复：需要关于分析DSD模型并过渡到RSM模型的指导嗨@Mohnasre ，
使用 RSM 宏的 Fit Model 平台将启动模型拟合，该模型包含您所有因子的主效应、交互效应和二次效应。如果您已经通过其他平台完成了活性项的识别，则无需重复此项识别/筛选和模型拟合操作。但是，您可以同时尝试多个平台，以查看模型的异同。
是的，DSD 主要用于筛选，但在活性效应相对较少和/或需要筛选的因素较多的情况下，DSD 可能足以对最重要的因素拟合自定义 RSM 模型。
所以直接回答您的问题，一旦您通过其他平台构建了自定义模型，就不需要额外的RSM拟合步骤。在面对不同的设计情况时，使用Fit DSD或Fit Two Level等其他平台进行模型拟合会更合适或更便捷。
关于你的第二条信息，我不建议你尝试对预测响应进行建模，因为这样无法模拟CFD计算带来的任何变异性。你最终可能会得到一个看似更好的模型，因为你是在用一个已经存在的“完美”预测响应来拟合模型。但是，你不能将一个预测“纯粹”完美预测响应的模型，与一个预测CFD计算所得实测响应的模型进行比较。你仍然可以尝试使用其他建模平台（你用过“Fit Two Levels”吗？它在识别交互作用和二次效应方面非常有效），看看在模型构建过程中是否遗漏了任何项。
希望这个答案能帮助你获得最终结果。
回复：需要关于分析DSD模型并过渡到RSM模型的指导非常感谢您抽出时间并给予支持！
谢谢！
祝你今天过得愉快@Victor_G
