선별 설계 분석은 반응의 변동이 대부분 적은 수의 효과로 설명된다는 효과 희소성 원리를 기반으로 합니다. 이 원리에 따라 추정값이 작은 효과를 사용하여 모형의 오차를 추정합니다. 그런 다음 더 큰 효과가 활성인지 여부를 검정할 수 있습니다.
모형 적합(분석 > 모형 적합) 또는 2수준 선별 적합(DOE > 전통적 설계 > 요인 선별 > 2수준 선별 적합)을 사용하여 선별 실험의 데이터를 분석할 수 있습니다. 다음 지침을 사용하여 적절한 모델링 플랫폼을 선택하십시오.
• 요인이 모두 2수준 및 직교인 경우 2수준 선별 적합 플랫폼의 모든 통계량이 적합합니다.
• 과포화 주효과 설계의 데이터가 있는 경우 2수준 선별 적합 플랫폼은 활성 요인을 선택하는 데 효과적이지만 오차 또는 유의성을 추정하는 데는 효과적이지 않습니다. p 값 생성을 위한 몬테카를로 시뮬레이션은 이 경우에 유효하지 않은 가정을 사용합니다.
• 수준이 3개 이상인 범주형 또는 이산 수치형 요인이 있는 경우 2수준 선별 적합 플랫폼이 적합하지 않습니다. JMP는 연관된 모형 항을 연속형으로 처리합니다. 이러한 요인의 경우 주효과와 다항식 효과 전체에 변동이 분산됩니다. 이 상황에서는 모형 적합 플랫폼을 사용하는 것이 좋습니다.
• 데이터가 직교하지 않는 경우 2수준 선별 적합 플랫폼에서 생성된 추정값은 표준 회귀 추정값과 다릅니다. JMP는 큰 효과를 식별할 수 있지만 각 효과를 효율적으로 검정하지 못합니다. 효과는 모형에 입력될 때 인위적으로 직교화됩니다. 이로 인해 초기에 모형에 입력되는 효과가 표준 회귀에서보다 덜 유의하게 보입니다. 자세한 내용은 효과 입력 순서에 대한 통계 상세 정보에서 확인하십시오.
• 혼합물 설계의 경우 2수준 선별 적합 플랫폼이 적합하지 않습니다. 자세한 내용은 분석을 사용한 혼합물 설계의 예에서 확인하십시오.