組み合わせが禁止されている選択デザインを行うにはどうすればよいですか？DOEの選択設計機能を使用して、離散選択実験の設計を作成しています。属性レベルの組み合わせの中には論理的に意味をなさないものがあり、回答者の認知的負担を軽減したいので、それらの組み合わせを禁止したいと考えています。（例：「失業なし」と「10世帯中8世帯が経済的に苦境に陥っている」の組み合わせを禁止する）
カスタムDOEオプションでは組み合わせを禁止できることは承知していますが、「選択設計」オプションで許可されている事前平均/分散行列を実装したいと考えています。私の知る限り、カスタムDOEではこれらの事前値を使用することはできず、選択設計タブでは組み合わせを禁止することはできません。事前平均/分散行列を実装しながら、組み合わせを禁止する方法はありますか？
実験計画法Re: 禁止組み合わせのある選択設計を行う方法こんにちは、 @jlynn21 さん。JMP 19.x のリリース時点では、利用できる機能が限られていることはご承知のとおりです。残念ながら、これらの事前分布を組み込むことができるのは選択設計のみですが、許可されていない組み合わせの機能は、現在サポートされていません (私が調査およびテストした限りでは)。JMPウィッシュ リスト - JMP ユーザー コミュニティでこの機能の提案をすることを強くお勧めします。その間、私は引き続き調査し、追加の提案があれば必ずお知らせします。候補セットを生成し、データ テーブル フィルタリング (JMP 19 ではこの方向で機能が改善されています) または JSL スクリプトを使用して、許可されていない組み合わせが適用される行をフィルタリングする以外に方法があります。
Re: 禁止組み合わせのある選択設計を行う方法こんにちは、@jlynn21 さん。
@PatrickGiuliano が既にプラットフォームの現状とオプションについてお知らせしています。
選択デザインは、カテゴリカルな要因のみ、実験のブロック化/グループ化（選択セットを作成するため）、離散的な選択応答、そして多くの場合いくつかの制約（たとえば、実験のサブセット/選択セットで変更できる要因/属性の数）を備えた、一部実施要因計画の特定のサブセットと見なすことができます。
あなたの状況に関して、あなたを助けるために検討できる選択肢がまだ2つあると思います（これらは組み合わせることも可能です）。
- カスタムデザインプラットフォームを使用し、以前の研究で既に得た情報に基づいて、A最適性基準とA最適性パラメータ重みを使用して、分散を減らしたい効果に重み付けをしてください。また、カスタムデザインプラットフォームで、 許可しない組み合わせを直接指定することもできます（フィルタリングまたはスクリプトによる）。
- 既に既存の先行研究／選択デザインをお持ちの場合は、そのデザインとオーグメントデザインズプラットフォームをご利用ください。これにより、以前のデザインの情報が保持され、拡張機能によって効果をより正確に推定できます（D最適性基準またはA最適性基準、およびA最適性パラメータの重みを追加する機能）。
この回避策がお役に立てば幸いです。
Re: 禁止組み合わせのある選択設計を行う方法ここで提案するアプローチについて、もう少し詳しい背景を説明しておきます。
1. カスタムデザインプラットフォームを使用し、以前の研究で既に得た情報に基づいて、A最適性基準とA最適性パラメータ重みを使用して、分散を減らしたい効果に重み付けをします。また、カスタムデザインプラットフォームで、 許可しない組み合わせを直接指定することもできます（フィルタリングまたはスクリプトによる）。ランダムブロックを追加すると、目的のサイズの選択セットを作成するのに役立ちます。
これはうまくいく可能性はありますが、事前情報を使用せず、効用がすべてのプロファイルで等しい（つまり、ベータ値／効用パラメータがすべてゼロである）と仮定しても問題ない場合に限ります。効用がすべてのプロファイルで等しいという仮定の下では、離散選択設計の情報行列はブロック設計の情報行列と等価になります（添付の論文ではこれを効用中立設計と呼んでいます）。
したがって、アプローチ1に従って、カスタムデザインのランダムブロック機能を使用して、制約条件を組み込んだ、同じサイズの選択肢セットを作成できます。
2. 既に既存の先行研究／選択設計がある場合は、その設計を使用し、 オーグメントデザインズプラットフォームを使用してください。こうすることで、以前の設計からの情報が保持され、拡張機能によって効果をより正確に推定できます（D最適性またはA最適性基準、およびA最適性パラメータの重みを追加する機能）。
これも有効ですが、効用パラメータに関する事前知識を使用しないことに問題がないという前提で、すべてのプロファイルで効用が等しいと仮定していることになります。既存の設計（これらの効用パラメータに基づいて作成されたもの）を活用するため、ある意味では（間接的に）その事前知識を取り入れていることになりますが、拡張実行ではすべてのプロファイルで効用が等しいと仮定することになります。
言い換えれば、事前知識の組み込みは間接的なものとなる。なぜなら、効用パラメータに関する事前知識を明示的に提供しない限り、拡張された選択肢セット内のオプションが効用バランスが取れていることを保証することは困難だからである。拡張された実行は、既存の設計を補完するように選択される（すなわち、要因の組み合わせを均等に複製しようとするなど）が、効用パラメータに関して効用バランスが確保されているという保証はない。
