需要關於分析DSD並過渡到RSM模型的指導大家好，
希望你一切都好。
我在JMP 用戶社群發文詢問關於 DSD 的問題，但不知為何被舉報為垃圾訊息？我在這裡重新發帖，希望有人能幫忙。
我是一名碩士研究生，目前正在進行一項研究項目，該項目使用 JMP 中的確定性篩選設計 (DSD) 方法來優化垂直軸風力渦輪機 (VAWT)。我已經完成了 8 因子 DSD 的全部 22 次運行，但我在分析和後續步驟方面遇到了困難。
論文截止日期還有兩週，我不太清楚在不進行進一步增強的情況下，將我的 DSD 結果轉換為 RSM 是否正確。
任何簡要的見解或推薦資源都將不勝感激！
太感謝了！
問候，
回覆：需要關於分析DSD模型並過渡到RSM模型的指導嗨@Mohnasre ，
是的，有時社區的自動過濾功能不太靈敏，所以您的訊息可能被錯誤地標記為「垃圾郵件」。
關於您的主題和DSD分析，能夠幫助您的資訊非常少，而且您尤其沒有解釋研究背景、研究目標以及您在DoE方面的經驗。
確定性篩選設計（Definitive Screening Designs）主要用於篩選（顧名思義），但它們也能檢測出強交互作用和二次效應。您可以點擊此處閱讀更多關於其性能和檢測能力（以及如何從中擬合完整的響應曲面模型）的資訊。能否從您的設計中擬合完整的響應曲面模型取決於運行次數（此處為 22 次，包括 8 個因子的 4 次額外運行）以及檢測到的有效主效應的數量。根據 JMP 幫助文檔，如果您檢測到的顯著主效應少於 4 個（來自您的 8 個因子），則可以對您的資料擬合響應曲面模型。
關於分析，我建議從以下方面開始：
- 使用 Fit Definitive Screening 平台，這是用於 DSD 分析的預設平台。建立此設計時，資料表中已包含執行此分析的腳本。
- Fit 兩級篩選平台，能夠有效偵測主效應、交互效應和二次效應。
Fit Model 平台提供了更多估計方法來擬合最小二乘模型，以及使用兩階段向前選擇或剪枝向前選擇估計方法的廣義回歸模型（使用 JMP Pro）。
比較這些平台找到的模型，看看它們有哪些相同點和不同點。如果模型不同，在比較它們的解釋力（使用R² 和 R² 調整後的指標，力求兩者差異最小時最大化）、預測力（使用均方根誤差指標，力求兩者差異最小）以及模型複雜度（使用AICc 和 BIC等資訊準則，力求兩者複雜度最小）之前，應驗證迴歸模型是否符合迴歸假設（透過殘差分析）。
根據模型中檢測到的主要效應的數量和模型的精確度，您可以評估是否已透過此 DSD 使用有用且相關的模型充分回答了您的目標，或者是否需要進行增強階段以擬合更完整、更精確的模型。
希望這些建議對您有幫助。如果您需要更具體的回饋和協助，可以提供更多資訊和背景，或分享您的（匿名化）資料表。
最好的，
回覆：需要關於分析DSD模型並過渡到RSM模型的指導非常感謝@Victor_G的詳細解答！
本論文的目標是提高垂直軸風力機（VAWT）的功率係數（效率）。具體方法是優化每片葉片尖端附加裝置的參數。最初參數很多，因此我必須進行一些調整，最後保留了8個參數（7個連續變數和1個分類變數）。最初的想法是應用篩選設計來減少參數數量，然後使用響應曲面法（RSM）進行最佳化。動態結構設計（DSD）優於其他篩選設計，尤其是在參數數量為4個或更少時，它允許擬合完整的RSM模型，因此我選擇了這個設計。
我對DOE或DSD了解不多，但我透過閱讀一些網路研討會的幻燈片學到了一些東西。
回顧我的結果，我發現了以下幾點：
- 當我使用 95% 信賴區間 (p=0.05) 來擬合 DSD 模型時，只得到兩個主要因子（我們稱它們為 A 和 B，其中 B 為分類因子）。 R² 為 0.56，調整 R² 為 0.45。
- 當我使用 90% 信賴區間 (p=0.1) 來擬合 DSD 模型時，得到 4 個主要因子 (A,B,C,D)。 R² 為 0.89，調整後的 R² 為 0.82。
在這兩種情況下，似乎都不需要進一步增強來優化參數。
但我的問題是：
- 我應該選擇第二個選項，即 p = 0.1 嗎？
- 之後，我該如何擬合RSM模型？我是否需要使用DSD以外的平台來取得我得到的主要參數？還是可以直接在DSD平台上進行擬合？
- 最後，假設我完成了響應曲面法 (RSM) 擬合，並獲得了參數 (A,B,C,D) 的最佳化值。如果我想透過在 ANSYS 中運行一些其他 CFD 模擬來驗證預測的功率係數（響應），我應該為其他參數 (E,F,G,H) 選擇什麼水平？在執行 CFD 模擬時，我是否應該選擇這些參數的中心值？ （注意，我需要所有 8 個參數來繪製垂直軸風力渦輪機的翼尖葉片。）
再次感謝您的幫助，我非常感激！
此致，
回覆：需要關於分析DSD模型並過渡到RSM模型的指導您可以試試我提到的兩個平台，看看能否獲得更多模特兒推薦。
關於「Fit Definitive Screening」以及您測試的兩種統計顯著性閾值設置，您可以參考以下討論，或許對您有所幫助： 在 DSD 分析中將第一階段 P 值設置為較高水平以檢測活性效應
AICc 和 BIC是資訊準則，用於評估模型複雜度和準確性之間的權衡。在比較多個模型時，它們可以作為有用的指標，幫助找到適合度高且複雜度低（AICc/BIC 值低）的模型。
就你目前的情況而言，由於你處於篩選階段，我認為第二個模型比第一個模型更有用，因為 R2/R2 調整值更高，而且兩者之間的差異似乎很小，表明模型調整良好。
從更實際的角度來看，回答你的問題：
- 您可以透過點擊「組合模型參數估計」中的「 運行模型」來擬合「擬合最終篩選」找到的模型。在「擬合兩級模型」平台中，您也可以使用類似的選項來建立或執行包含偵測到的影響的模型。模型運行後，您可以檢查它是否符合迴歸假設。
- 這個問題沒有標準答案，您可以選擇最實用的參數水平，例如中等或低水平（例如，如果低水平為 0，則可能有助於 CFD 計算）。找到各參數的最佳設定後，請執行 CFD 模擬以驗證這些設定是否代表最佳值，以及您的模型是否能夠準確預測最佳值。
玩得開心 ！
回覆：需要關於分析DSD模型並過渡到RSM模型的指導很有意思的案例！你篩選了 4 個主效應，這樣就可以擬合響應曲面模型 (RSM) 了，這很棒。所有交互效應和二次項都顯著嗎？我會剔除弱交互效應和低功效項，以避免過度擬合。需要透過擴展模型進行更多運行來驗證這些效應。祝你的碩士論文一切順利！
回覆：需要關於分析DSD模型並過渡到RSM模型的指導我遇到一個包含7個因子的DSD案例，為了過濾掉主效應，我必須將閾值p值提高到0.4（！）。我使用Victor提到的Fit兩水平篩選方法再次驗證了該篩選的可靠性，結果相同；因此我對第一次DSD篩選結果很有信心。不幸的是，我得到了5個有效因子，所以我不得不額外運行4次DSD來消除交互效應，以便將模型升級到RSM。最後結果一切順利！
回覆：需要關於分析DSD模型並過渡到RSM模型的指導非常感謝@Victor_G的寶貴幫助！您的支持我們感激不盡！
我今天一定會查看你提到的所有連結。
最後一個問題，Box-Cox變換在我的情況下重要嗎？截圖顯示，λ = -2是降低SSE的最佳值。我試了一下，得到R² = 0.92，R² adj = 0.85。
回覆：需要關於分析DSD模型並過渡到RSM模型的指導你好@frankderuyck ，
不，在我嘗試的第二個模型中，並非所有交互作用都可用（p=0.1），只有 2 個交互作用和 2 個平方項（A*B、B*C、B^2、C^2），以及 4 個主要因素（A、B、C、D）。
由於我得到了 3 個連續因子（A、C、D）和 1 個分類因子（B），我認為沒有必要進行增廣來擬合 RSM，分類因子 B 的高水平（+1）在我嘗試的所有情況下都明顯優於低水平（-1）。
感謝您的精彩回覆！非常感謝！
回覆：需要關於分析DSD模型並過渡到RSM模型的指導您可以嘗試使用 lambda=-2 的 Box-Cox 變換，並比較原始模型和變換後的模型，以確定哪個模型更符合迴歸假設：繪製實際值與預測值的關係圖以及殘差分析圖，以檢驗殘差是否具有隨機常態分佈模式和同方差性（同方差性）。然後，您可以比較兩個模型的性能。
轉換有助於使模型更好地符合迴歸假設並簡化模型。
當 lambda 值為 -2 時，這等價於將 Y 轉換為 1/Y2： https://www.statisticshowto.com/probability-and-statistics/normal-distributions/box-cox-transformation/
希望這些答案能幫助你分析結果！回覆：需要關於分析DSD模型並過渡到RSM模型的指導@Victor_G ，你好！
我嘗試了 Box-Cox 變換，它在 R^2、R^2 adj、RMSE、AICc 和 BIC 方面都取得了更好的結果。
現在我想擬合響應曲面模型（RSM），如果我選擇“分析”→“擬合模型”，我應該選擇什麼作為y變數？是選擇從CFD模擬得到的原始功率係數？還是選擇從Box-Cox模型得到的預測表達式？
非常感謝您的幫助與支持！沒有您的幫助，真不知道該怎麼辦 
回覆：需要關於分析DSD模型並過渡到RSM模型的指導你好@Mohnasre ，
好的，聽起來這種變換可能對你的情況有幫助。它對殘差（隨機模式、同方差性、殘差的常態分佈）有正面影響嗎？
不太確定是否完全理解您的問題？一旦您透過「擬合最終篩選」和/或「擬合兩級篩選」平台偵測到模型中的項，即可透過整合的「擬合模型」平台直接建立或執行模型。之後，您可以評估哪個 lambda 值最適合 Box-Cox 變換，並選擇「替換為變換」選項。現在您應該得到了您提到的最終模型，然後您可以保存預測公式，以便將該方程式直接添加到您的資料表中。請注意，您無需進行任何「反向」變換或任何其他操作即可恢復到原始單位，因為 JMP 在儲存預測公式時已經自動完成了此操作。在「預測分析器」中也會直接執行此操作。就您的情況而言，您會在「預測公式」列中看到，如果您選擇了 lambda 值為 -2，JMP 會在方程式前面加上「1/square(表達式)」（或簡單地將表達式的平方乘以 -2）項，以執行此反向變換，使其恢復到原始單位。
如果您指的是「擬合模型」中提供的「顯示預測表達式」 ，則此方程式是轉換後資料擬合的方程，因此如果您打算使用它，請不要忘記將其轉換回您的原始單位。
希望這個答案能幫助你最終確定選題。
回覆：需要關於分析DSD模型並過渡到RSM模型的指導你好@Victor_G ，
是的，這種改造也確實改善了殘差性能。
好的，為了確認一下，使用 RSM 巨集時不需要使用 Fit Model 平台，對嗎？
我之前認為 DSD 平台主要用於篩選，在確定活性因素後，我需要使用「分析 → 擬合模型」和「響應曲面」巨集來建立單獨的 RSM 模型。
所以如果我理解正確的話，在DSD平台應用Box-Cox變換並接受變換後的模型後，我已經得到了相當於活性因子的“RSM水平”模型，無需額外的RSM擬合步驟？
不好意思問這麼基礎的問題，我只是想確保我完全理解正確的工作流程。
再次感謝您的寶貴幫助！
回覆：需要關於分析DSD模型並過渡到RSM模型的指導順便說一下，我嘗試使用 RSM 巨集的 analyze --> fit model 指令。我使用了從 Box-Cox 變換得到的“預測響應”作為y響應。
與最終的 DSD 模型相比，此擬合模型多了 2 個活躍的交互項，具有更高的 R^2、R^2 adj 和更低的 AICc、BIC 和 RMSE。
但我覺得用「預測反應」作為Y變數再次進行預測有點問題。所以我才問你，在Box-Cox轉換之後，是否需要在另一個平台上擬合RSM模型。
謝謝
回覆：需要關於分析DSD模型並過渡到RSM模型的指導嗨@Mohnasre ，
使用 RSM 巨集的 Fit Model 平台將啟動模型擬合，該模型包含您所有因子的主效應、交互效應和二次效應。如果您已經透過其他平台完成了活性項目的識別，則無需重複此項識別/篩選和模型擬合操作。但是，您可以同時嘗試多個平台，以查看模型的異同。
是的，DSD 主要用於篩選，但在活性效應相對較少和/或需要篩選的因素較多的情況下，DSD 可能足以對最重要的因素擬合自訂 RSM 模型。
所以直接回答您的問題，一旦您透過其他平台建立了自訂模型，就不需要額外的RSM擬合步驟。在面對不同的設計情況時，使用Fit DSD或Fit Two Level等其他平台進行模型擬合會更合適或更便捷。
關於你的第二個訊息，我不建議你嘗試對預測反應進行建模，因為這樣無法模擬CFD計算帶來的任何變異性。你最終可能會得到一個看似更好的模型，因為你正在用一個已經存在的「完美」預測反應來擬合模型。但是，你不能將一個預測「純粹」完美響應的模型與一個預測CFD計算所得實測響應的模型進行比較。你仍然可以嘗試使用其他建模平台（你用過「Fit Two Levels」嗎？它在識別交互作用和二次效應方面非常有效），看看在模型建立過程中是否遺漏了任何項目。
希望這個答案能幫助你獲得最終結果。
回覆：需要關於分析DSD模型並過渡到RSM模型的指導非常感謝您抽出時間並給予支持！
謝謝！
祝你今天過得愉快@Victor_G
