“拟合两水平筛选”平台示例
使用“拟合两水平筛选”平台针对包含 16 次试验的设计构建一个包含 16 个参数的模型。您关注的是标识包含主效应和双因子交互作用的模型中的显著效应。示例中演示了“拟合两水平筛选”和“拟合模型”这两个平台的分析。
拟合两水平筛选
1. 选择帮助 > 样本数据文件夹，然后打开 Reactor Half Fraction.jmp。
2. 选择实验设计 > 经典 > 两水平筛选 > 拟合两水平筛选。
3. 选择反应百分比并点击 Y。
4. 从进料速度一直选择到浓度，点击 X，然后点击确定。
注意：“拟合两水平筛选”平台自动构造包含交互作用项的模型。这与“拟合模型”平台形成对比，您需要在“拟合模型”中手动指定要包括在模型中的交互作用。
图 11.2 Reactor Half Fraction.jmp“拟合两水平筛选设计”报表
请注意筛选报表的以下特性：
‒ 个体 p 值小于 0.10 的效应将被选定。
‒ t 比使用 Lenth PSE（伪标准误差）计算。Lenth PSE 值显示在“半正态图”下方。
‒ 同时显示个体和联合 p 值。小于 0.05 的 p 值标有星号。
‒ “半正态图”支持您快速检查效应。最初在效应列表中选定的效应也在该图中进行了标记。
在本例中，已选定催化剂、温度和浓度以及它们的两个双因子交互作用。或者，您可以在“拟合模型”平台中拟合相同的模型。
拟合模型
1. 从 Reactor Half Fraction.jmp 表中选择分析 > 拟合模型。
2. 选择反应百分比并点击 Y。
3. 从进料速度一直选择到浓度，然后选择宏 > 析因次数。
4. 点击运行。
5. 打开“参数估计值”部分。
图 11.3 饱和的 Reactor Half Fraction.jmp 设计参数估计值
由于有 16 个观测和 16 个模型项，所以没有足够的观测来估计误差项。没有估计误差项则无法执行标准检验。尽管提供了参数估计值，但因为误差没有自由度，标准误差、t 比和 p 值全部缺失。这显示出“拟合两水平筛选”平台能够从筛选设计中获取最多信息的优势。