JMP 10將於3月份上市。在接下來的幾篇文章中，我計劃分享該領域的主要新功能實驗設計 。這些新功能中最明顯的是DOE菜單上的Evaluate Design項目。
評估設計功能有何功能？
通過“評估設計”，您可以查看任何數據表的設計診斷，就像它是設計實驗一樣。
為什麼有人想這樣做？
我聽說過想要這個功能的兩個常見原因。首先，教科書中有許多設計，並且希望將教科書設計的能力與算法設計進行比較。 JMP 產生。其次，分析師通常會從同事那裡獲取數據，並希望了解數據是否能夠充分支持各種模型的可能性。
一個例子怎麼樣？
Longley在報告中報告了下表中的數據美國統計學會雜誌在1967年。數據是計量經濟學數據。答复Y是衡量總就業人數的指標。列X1到X6是因子。例如，您可能猜到X6實際上是日曆年。
計量經濟數據的一個方面是變量通常是相關的。當然，這些數據不是設計實驗的結果。然而，我們可以使用設計診斷來說明為什麼很難確定六個因素中的哪一個實際上正在推動響應。
您可以在JMP的Sample Data文件夾中的Longley.jmp文件中找到Longley數據。輸入X1-X6作為因子後我們看到的第一件事，以及作為啟動對話框中的響應的Y是設計空間圖的一部分。圖中藍線上的點顯示了預測的相對方差小於或等於繪製值的數據所覆蓋的體積分數。例如，垂直線在X軸上落在0.5處。水平線在藍色曲線上的點處與垂直線相交，並且在大約100處撞擊Y軸。對此的解釋是數據覆蓋的空間體積的一半具有小於100的預測的相對方差。相反，一半的體積也具有大於100的預測的相對方差。
壞的還是好的？
實際上，這太可怕了！表中有16行。如果您可以控制X1到X6並執行最優設計，則最差的相對預測方差將為0.4375。因此，在Longley數據的一半區域中，我們預測方差的差異超過了設計良好的實驗中最差預測因子組合的200倍。
所以預測很糟糕 - 參數估計怎麼樣？
下表顯示了估算主效應模型係數的VIF（方差膨脹因子）。對於正交設計，每個係數的VIF為1。我們可以看到，由於數據設計不佳，未知參數的方差比正交設計差了2009倍。
這些不良診斷的原因是什麼？
打開“顏色貼圖”在“評估設計”報告中的“關聯”輪廓節點上顯示下圖。很容易看出X1，X2，X5和X6幾乎完全相關。因子之間的高相關性導致高係數方差和高預測方差。
經濟學家必須處理計量經濟學數據。政府不對國民經濟進行設計性試驗。看看這些診斷，我們可以理解為什麼很難說為什麼經濟指標會像他們那樣移動。
朗利撰寫論文的一個原因是強調用這樣的歷史數據解釋多元回歸輸出的困難。令人高興的是，從精心設計的實驗中得出結論要簡單得多。
網址中寫道：
... [追溯]...
[...]在那裡你會發現60555更多信息：blogs.sas.com/content/jmp/2012/02/06/new-in-jmp-10-for-experiment-design-evaluate-design/ [.. ] ...
關於JMP 10的十大好處 - JMP博客中寫道：
[...]並且複制運行已更改。除了對Custom Designer的這些改進之外，新的Evaluate Design平台還允許您評估作為設計，更改模型和別名術語處理的任何JMP數據表，並查看[... ]
