使用“比较设计”平台比较针对六个因子的两个设计,每个设计涉及 13 次试验。其中一个是一个 12 次试验的 Plackett-Burman (PB) 设计,该设计使用一个中心点扩充;另一个是确定性筛选设计 (DSD)。
首先,比较两个设计时假定要估计的模型仅包含主效应。
1. 选择帮助 > 样本索引,点击打开样本脚本目录,然后选择 Compare Same Run Size.jsl。
2. 在脚本窗口中右击并选择运行脚本。
随之构造两个 13 次试验设计表:确定性筛选设计和 Plackett-Burman 设计。您想要比较这两种设计。由于 Plackett-Burman 表是活跃的,它就是与确定性筛选设计 (DSD) 作比较的参考设计。
3. 在 Plackett-Burman 数据表中,选择实验设计 > 设计诊断 > 比较设计。
4. 从将“Plackett-Burman”对比列表中,选择确定性筛选设计。
5. 在“Plackett-Burman”面板和“确定性筛选设计”面板中,从 X1 一直选择到 X6。
6. 打开“匹配列”部分,然后点击匹配。
图 17.2 包含“匹配列”的启动窗口
这将定义您的两个设计中因子之间的对应关系。
7. 点击确定。
参考设计是 Plackett-Burman 设计。在“设计评估”部分中,比较量度用来比较 PB 与 DSD。这些设计将相对于功效、预测方差、估计效率、别名关系和设计效率等测度作比较。
图 17.3 PB 与 DSD 比较的功效分析
在功效、预测方差和估计效率等方面,PB 设计优于 DSD。图 17.3 显示“功效分析”报表,其中包含显著性水平、预期 RMSE 和系数的默认设置。对于针对主效应的试验,PB 设计的功效比 DSD 高。
图 17.4 PB 和 DSD 比较的设计空间比例图
设计空间比例图指示 PB 设计在整个设计空间中的预测方差小于 DSD。
您可以推断出:若怀疑只有主效应活跃,则 PB 设计更可取。
现在假定您怀疑某些双因子交互作用可能活跃。下面的分析显示:若这些双因子交互作用实际上是活跃的,则 PB 设计可能不如 DSD。
1. 在“绝对相关性”报表中,打开“相关性色图”报表和其下的色图报表。
图 17.5 PB 与 DSD 比较的色图
相关性色图显示 PB 设计中主效应与双因子交互作用之间存在别名关系。相比之下,DSD 不会使主效应与双因子交互作用之间存在别名关系。
若要在某些双因子交互作用活跃时获取关于设计之间如何比较的更深入信息,请在“模型”部分中添加双因子交互作用。
2. 在“因子”部分中,从 X1 一直选择到 X3。
3. 在“模型”部分中,选择交互作用 > 二阶。
图 17.6 包含交互作用的 PB 和 DSD 比较的功效分析
“项”列表显示三个双因子交互作用。若这些双因子交互作用是活跃的,则 DSD 在所有效应的功效方面的表现优于 PB。
图 17.7 包含交互作用的 PB 和 DSD 比较的预测方差
当模型中包含三个交互作用时,DSD 在预测方差方面也优于 PB 设计。您可以检查其他报表,查看 DSD 在可能存在活跃的交互作用的情况下是否是首选设计。