试验规模不同的设计
在本例中，比较试验规模分别为 16、20 和 24 的三个设计。这些设计是为主效应模型构造的。使用“比较设计”平台确定使用较大试验规模可能带来的益处是否值得花费额外的资源成本。
1. 选择帮助 > 样本数据，点击打开样本脚本目录，然后选择 Compare Three Run Sizes.jsl。
2. 在脚本窗口中右击并选择运行脚本。
三个设计表是使用“定制设计”构造的，“模型”分级显示项中只输入了主效应：
‒ 16-Run Design
‒ 20-Run Design
‒ 24-Run Design
您想要比较这三种设计。请注意 16-Run Design 表是活跃的。
3. 在 16-Run Design 表中，选择实验设计 > 设计诊断 > 比较设计。
4. 从将“16-Run Design”对比列表中，选择 20-Run Design 和 24-Run Design。
以上每个设计的面板都添加至启动窗口。JMP 按照各列出现在三个设计表中的顺序自动匹配各列。
5. 点击确定。
图 16.8 功效分析比较
若系数具有相近的预期 RMSE，则全部三种设计检测主效应的功效都很高。
图 16.9 设计空间比例的比较
正如预期的那样，24 次试验设计 (24-run design) 在整个设计空间的预测方差方面优于另外两种设计；而 20 次试验设计 (20-run design) 又优于 16 次试验设计 (16-run design)。
6. 在“绝对相关性”报表中，打开“相关性色图”报表和其下的三个色图报表。
图 16.10 相关性色图比较
对于 16 次试验设计，“相关性色图”指示某些主效应与某些双因子交互作用混杂，而且双因子交互作用之间也有混杂。
对于 20 次试验设计，“相关性色图”指示某些主效应与某些双因子交互作用之间以及某些双因子交互作用之间都存在较大的相关性。
24 次试验设计仅显示主效应与双因子交互作用以及双因子交互作用之间有中等程度的相关性。
图 16.11 绝对相关性比较
“绝对相关性”表汇总了“相关性色图”中显示的信息。回想一下，全部三种设计的模型都仅包含主效应，并且别名矩阵包含双因子交互作用。
对于 16 次试验设计，该表的“模型 x 别名”部分指示主效应与双因子交互作用有 9 个混杂。“别名 x 别名”部分指示有 6 个双因子交互作用混杂。
图 16.12 设计诊断比较
“设计诊断”报表依据若干效率测度将 16 次试验设计与 20 次试验设计和 24次试验设计都进行了效率比较。超过 1 的相对效率值指示参考设计对于给定测度而言更可取。小于 1 的值指示与参考设计比较的设计更可取。16 次试验设计的效率在所有量度上都比其他两种设计低，这表示较大规模的设计更可取。
7. 在“因子”分级显示项中，从 X1 一直选择到 X3。
8. 在“模型”分级显示项中，选择交互作用 > 二阶。
随即显示一个“无法估计的项”窗口，该窗口指出 16 次试验设计无法拟合您刚添加到模型中的一个效应 (X1*X2)。
9. 点击确定。
另外两个效应 X1*X3 和 X2*X3 添加到“比较设计”报表。若这两个交互作用活跃，您可以检查报表以比较设计。