筛选设计

筛选设计是面向工业实验的常用设计。筛选设计包括部分析因、完全析因、Plackett-Burman、主效应和混合水平等多种设计。通常在调查的初始阶段使用，它们检查很多因子以便确定对响应影响最大的那些因子。随后，将使用更敏感的设计研究确定的因子。因为筛选设计所需的试验次数通常比其他设计少，因此它们是改进过程的高效方式。

若存在适用于您的实验情形的标准筛选设计，您可以从几种标准筛选设计中选择一个。该列表包括适用的区组设计。您的因子可以是连续因子、分类因子或只能取离散值的连续因子（离散数值因子）。请参见部分析因设计。

若至少有一个标准筛选设计不可用，“筛选设计”平台会构造一个主效应筛选设计。主效应筛选设计侧重于在交互作用可忽略不计的情况下估计主效应。请参见主效应筛选设计。

若您关注在三个水平上调查连续因子，您可以构造一个混合水平筛选设计。这些设计也被称为混合水平因子的正交主效应筛选设计。这些设计侧重于估计主效应，并具有一定的估计二阶效应的能力。请参见混合水平筛选设计。

请注意，JMP 还为筛选设计提供两种好的备选设计：

• 若您怀疑有活跃的双因子交互作用或怀疑某连续因子对响应的效应图可能显示强曲率，则确定性筛选设计特别有用。请参见确定性筛选设计。

• 定制设计高度灵活，可以满足许多因子类型和设计限制的需要。请参见定制设计。

图 10.1 部分析因设计的结果 

目录

筛选设计概述

筛选设计的基本原则

筛选设计结果的分析

筛选设计示例

构建筛选设计

响应

因子

选择筛选类型

设计评估

输出选项

部分析因设计

设计类型

筛选设计中的分辨率

显示和修改设计

更改生成规则

主效应筛选设计

卡方效率

生成设计

混合水平筛选设计

生成设计

筛选设计选项

筛选设计的其他示例

在部分析因设计中修改生成规则的示例

Plackett-Burman 设计的示例

不存在标准设计的主效应筛选设计的示例

混合水平筛选设计的示例

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