包含分区组的确定性筛选设计
假定因原材料约束，萃取实验要求您使用两个不同批的材料来执行该实验。您可以生成包含分区组变量的确定性筛选设计来解释可能存在的批变异。
创建设计
萃取因子及其设置在数据表 Extraction Factors.jmp 中提供。生成包含区组的确定性筛选设计：
1. 选择实验设计 > 确定性筛选 > 确定性筛选设计。
2. 双击“响应名称”下的 Y，然后键入产量。
3. 选择帮助 > 样本数据库，然后打开 Design Experiment/Extraction Factors.jmp。
4. 点击“确定性筛选设计”旁边的红色小三角并选择加载因子。
因子名称和范围将添加到“因子”分级显示项。
5. 点击继续。
“设计选项”分级显示项随即打开。您可以在此指定分区组结构。
6. 选择添加包含中心试验的区组以估计二次效应。
保持区组数设置为 2。
您要为 Extraction2 Data.jmp 样本数据表重新创建设计，该数据表在创建时未使用额外试验。尽管极力推荐使用额外试验，在本例中仍不添加额外试验。
7. 在额外试验次数旁边，选择 0。
8. 点击制作设计。
“确定性筛选设计”窗口更新，以显示“设计”分级显示项和“设计评估”分级显示项。
检查该区组是否已添加至“因子”分级显示项和设计中。
9. 在“因子”分级显示项中，双击区组并键入批。
在“输出选项”面板中，请注意“试验顺序”设置为“区组内随机”。
10. 点击制表。
注意：您设计中的试验次数的显示顺序可能不同于图 7.8 中显示的顺序。
图 7.8 针对萃取过程的包含区组的确定性筛选设计
请注意，试验 1 是“第 1 批”中的中心点试验，试验 14 是“第 2 批”中的中心点试验。
分析实验数据
此时，执行实验并将数据记录在设计表的产量列中（图 7.8）。Extraction2 Data.jmp 样本数据表包含您的实验结果。Extraction2 Data.jmp 样本数据表中试验的顺序不同于图 7.8 中的顺序。
要探索所有二阶效应，其中一个选项就是使用“所有可能的模型”回归。另一个选项是使用前向逐步回归。不过，这些标准方法往往无法标识活跃效应。出于此原因，您需要使用“拟合确定性筛选”平台。
1. 选择帮助 > 样本数据库，然后打开 Design Experiment/Extraction2 Data.jmp。
2. 在设计表的“表”面板中，点击拟合确定性筛选脚本旁边的绿色小三角。
图 7.9 “拟合确定性筛选”报表
“拟合确定性筛选”标识为可能活跃的效应列在“组合模型参数估计值”报表中。
3. 点击“组合模型参数估计值”报表底部的运行模型按钮。
这将使用标准最小二乘法模型来拟合标识为可能活跃的效应。
图 7.10 “标准最小二乘法”报表
“‘预测值-实际值’图”显示没有证据表明失拟。“效应汇总”报表显示甲醇*乙醇和甲醇*甲醇不显著。您决定从模型中删除这些效应。
4. 在“效应汇总”报表中选择“甲醇*乙醇”和“甲醇*甲醇”，然后点击删除。
图 7.11 最终的活跃效应集
其余效应全部显著。您推断这些是活跃效应。