针对指定模型计算功效
对于本例，您构造了一个确定性筛选设计来确定六个因子中的哪些因子对萃取过程的产量有影响。数据位于 Design Experiment 文件夹下的 Extraction Data.jmp 样本数据表中。因为设计是确定性筛选设计，每个因子具有三个水平。请参见确定性筛选设计。
您关注的是检测到强二次效应的检验功效。其量值至少是误差变异的三倍才被称为强效应。
尽管实验研究了六个因子，效应稀疏原则表明只有几个因子是有效的。因此，您在基于较少因子数的模型中研究功效时把握更大。此外，过去对相关过程的研究充分证明丙醇、丁醇和 pH 这三个因子的主效应可以忽略不计，它们不与其他因子交互，也没有二次效应。因此您认为可能的模型只包含甲醇、乙醇和时间的主效应、交互作用效应和二次效应。您决定在三因子响应曲面模型的环境下研究功效。
使用“评估设计”平台确定您的设计对检测甲醇、乙醇或时间的强二次效应的功效。
1. 选择帮助 > 样本数据库，然后打开 Design Experiment/Extraction Data.jmp。
2. 选择实验设计 > 设计诊断 > 评估设计。
3. 选择甲醇、乙醇和时间，然后点击 X，因子。
可以根据需要添加产量作为 Y，响应。但是指定响应对设计属性没有任何影响。
4. 点击确定。
5. 在“模型”分级显示项中，点击 RSM。
这为三个因子添加了交互作用和二次项。
6. 打开“功效分析”分级显示项。
请注意，默认情况下“预期 RMSE”设置为 1。尽管您具有来自过去研究的 RMSE 估计值，但是不需要输入它。这是因为关注效应的大小是误差变异的三倍。
7. 在预期系数下，在甲醇*甲醇、乙醇*乙醇和时间*时间旁边键入 3。
8. 点击将更改应用于预期系数。
图 15.9 将更改应用于系数后的“功效分析”分级显示项
检测二次效应的功效为 0.737，其量值是误差变异的三倍。这假定最终模型是包含三个因子的响应曲面。它还假定检验的显著性水平为 0.05。