DSD(확증적 선별 설계)에 표준 모형 선택 방법이 적용되면 활성 효과를 식별하지 못할 수 있습니다. 자세한 내용은 Errore et al. (2017)에서 확인하십시오. 또한 표준 선택 방법은 DSD의 구조를 활용하지 않습니다. 확증적 선별 적합 플랫폼은 DSD의 구조를 최대한 활용하는 DSD를 위한 유효 모형 선택 방법을 사용합니다.
Jones and Nachtsheim(2016)에서는 표준 방법과 DSD를 위한 유효 모형 선택 방법을 사용한 시뮬레이션 연구 결과를 보고합니다. DSD에서 요인 수와 가짜 요인 수의 합을 c로 나타냅니다. 여러 상황에서 활성 주효과 수가 3을 초과하면 최대 c/2개의 활성 2차 효과(second-order effect)를 명확하게 식별할 수 있습니다. 강한 효과 유전성을 가정할 때 활성 주효과가 3개 이하이면 모든 활성 2차 효과(second-order effect)를 명확하게 식별할 수 있습니다. 명확한 식별은 오차 표준편차에 대한 계수 절대값의 비율이 3을 초과하고 효과 감지를 위한 검정력이 0.80을 초과한다는 의미입니다.
확증적 선별 적합 플랫폼 기본 설정은 강한 효과 유전성을 가정합니다. 강한 효과 유전성은 A와 B가 모두 포함된 경우에만 A*B 교호작용이 모형에 포함될 수 있음을 의미합니다. 강한 효과 유전성을 위해서는 모형 효과의 모든 낮은 차수 성분이 모형에 포함되어야 합니다. 활성 2차 효과(second-order effect)를 식별할 때 이 알고리즘은 강한 효과 유전성 및 앞에서 명확하게 식별할 수 있는 활성 2차 효과(second-order effect) 수에 대해 언급한 결과를 사용합니다.
DSD에서 주효과와 2차 효과(second-order effect)는 서로 직교합니다. DSD를 위한 유효 모형 선택 방법은 이 사실을 활용합니다. 반응의 선형 공간은 주효과가 차지하는 부분 공간과 이 부분 공간의 직교 여공간으로 구분됩니다. Miller and Sitter(2005)에서는 주효과가 차지하는 선형 부분 공간을 홀수 공간이라고 합니다. 주효과, 3요인 효과, 5요인 효과 등 홀수 효과에 대한 모든 정보가 이 공간에 포함되기 때문입니다. 또한 이 공간의 직교 여공간을 짝수 공간이라고 합니다. 절편, 2요인 효과, 4요인 효과 등 짝수 효과에 대한 모든 정보가 이 공간에 포함되기 때문입니다.
확증적 선별 적합은 이 개념을 따릅니다. 주효과가 차지하는 부분 공간은 홀수 공간입니다. 이 공간의 직교 여공간, 즉 짝수 공간에는 2차 효과(second-order effect)와 블록 변수(있는 경우)가 포함됩니다. 이 알고리즘에 대한 자세한 내용은 Jones and Nachtsheim(2016) 및 DSD를 위한 유효 모형 선택에서 확인하십시오.