实验设计指南 > “拟合两水平筛选”平台 > “拟合两水平筛选”平台概述
发布日期: 04/13/2021

“拟合两水平筛选”平台概述

筛选设计的分析依赖于效应稀疏原则,该原则规定响应中的多数变异由少量的效应来解释。按照该原则,具有小估计值的效应用来估计模型中的误差。这样便可以检测较大效应是否活跃。

可以使用“拟合模型”(“分析”>“拟合模型”)或“拟合两水平筛选”(“实验设计”>“经典”>“两水平筛选”>“拟合两水平筛选”)分析筛选实验的数据。使用以下指导原则来选择合适的建模平台:

若您的因子全部为两水平且正交,则“拟合两水平筛选”平台中的所有统计量都适用。

若您的数据来自高度超饱和的主效应设计,则“拟合两水平筛选”平台对于选择活跃因子很有效,但对于估计误差或显著性无效。生成 p 值的 Monte Carlo 模拟使用的假设不适用于此类情形。

若您的分类或离散数值因子包含两个以上的水平,则“拟合两水平筛选”平台并不适合。JMP 将关联的模型项视为连续项。对于此类因子,变异散布在主效应和多项式效应中。在这种情况下,建议您使用“拟合模型”平台。

若您的数据非正交,则“拟合两水平筛选”平台中构造的估计值不同于标准回归估计值。JMP 可标识大效应,但它不会有效地检验每个效应。这是因为效应在输入模型时被人为正交化,这使得较早进入模型的效应显得没有在标准回归中显著。请参见效应的进入顺序

对于混料设计,“拟合两水平筛选”平台不合适。改为参见拟合混料设计

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).