nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

21861_zh-TW

liliconcom

使用JMP®Pro11進行最終篩選設計的建模和分析策略

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

Jones和Nachtscheim（2011）介紹了一種新型的高效實驗設計，稱為最終篩選設計DSDs。設計的獨特之處在於，實驗中的所有因素都有三個級別（允許二次效應的潛在估計），主效應是正交的，沒有混疊，沒有雙因素相互作用或二次效應與另一種效應完全混淆;所有這一切只需2K + 1次K因子試驗。雖然DSD開始在工業中被採用，特別是在生物技術中，但它們確實為實驗者提供了分析方面的獨特機會和挑戰。在本次演講中，我們將討論可在JMP 11中輕鬆實現的DSD的各種建模策略，並將提供生物技術實驗的幾個示例。所討論的方法包括：對使用AICc和BIC選擇的模型子集進行預測平均;模型平均估計完整二次模型;我們稱之為基於帕累託的建模的新技術;和LASSO，JMP Pro 11中的懲罰性回歸技術。將使用基於實際示例構建的模型來比較所有方法，並且將討論關於使用各種方法的建議。