“拟合两水平筛选”平台概述

筛选设计分析取决于效应稀疏，该原则假定多数效应都不活跃。以此假设为前提，具有小估计值的效应可帮助估计模型中的误差，并确定更大的效应是否活跃。大体而言，若所有效应都不活跃，那么它们应该随机变化，不会有任何效应大幅偏离其他效应。

•	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。

•	对于高度超饱和的主效应设计，“拟合两水平筛选”平台对于选择因子很有效，但对于估计误差或显著性却不太有效。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”平台并不是合适的数据分析方式。JMP 将关联模型项视为连续项。因子的变异散布在该项的主效应和多项式效应中。

•	若您的数据不正交，则构造的估计值与标准回归估计值存在差异。JMP 可挑选出大效应，但它不会有效地检验每个效应。这是因为后面的效应被人为正交化，令前面的效应看似更为显著。

•	“拟合两水平筛选”平台对于混料设计不合适。