Plackett-Burman 设计
部分析因示例显示了针对五个连续因子的 8 次试验的部分析因设计。但假定您能够额外执行 4 次试验。在本例中，构造 12 次试验的 Plackett-Burman 设计。为便于完成“筛选”窗口，使用了“加载响应”和“加载因子”命令。
创建 Plackett-Burman 设计
1. 选择实验设计 > 经典 > 两水平筛选 > 筛选设计。
2. 选择帮助 > 样本数据库，然后打开 Design Experiment/Reactor Response.jmp。
3. 点击“筛选设计”红色小三角并选择加载响应。
4. 选择帮助 > 样本数据库，然后打开 Design Experiment/Reactor Factors.jmp。
5. 点击“筛选设计”红色小三角并选择加载因子。
加载响应和加载因子命令使用响应和因子名称、响应的目标和限值、因子值填充“响应”和“因子”分级显示项。完成的“响应”和“因子”分级显示项请参见“响应”和“因子”分级显示项。
6. 点击继续。
注意：在下一步设置随机种子将重现本例中所示的试验顺序。自行构造设计时，该步骤不是必需的。
7. （可选）点击“筛选设计”红色小三角，选择设置随机种子，键入 34567，然后点击确定。
8. 从“选择筛选类型”面板中，接受默认选择从部分析因设计列表中选择，然后点击继续。
9. 选择 Plackett-Burman 设计。
试验规模不是 2 的幂的 Plackett-Burman 设计倾向于具有复杂的别名结构。尤其是主效应可能与几个双因子交互作用有部分别名关系。请参见评估设计。我们看到 12 次试验的 Plackett-Burman 设计的分辨率指定为 3。
显示 Plackett-Burman 筛选设计的设计列表
10. 点击继续。
11. 点击制表。
Placket-Burman 设计的设计表
设计表中包含名为反应百分比的列。您应按表中所示的顺序执行试验，并在反应百分比列中记录结果。
评估设计
1. 返回到“筛选设计”窗口。若您关闭了该窗口，请运行设计表中的“实验设计对话框”脚本。
2. 打开设计评估 > 相关性色图分级显示项。
绝对相关性色图
对角单元格的相关性为 1，这符合预期。白色单元格对应于相关性等于 0 的效应。灰色和黑色单元格对应于相关性大于 0 的效应。将您的光标置于这样的几个单元格上，以查看涉及的效应和它们的绝对相关性。例如，我们看到进料速度与几个双因子和三因子交互作用相关。
3. 打开“别名矩阵”分级显示项。
别名矩阵 - 最多显示双因子交互作用的部分视图
因为设计对于主效应是正交的，“别名矩阵”给出两个效应之间的相关性的数值。请参见别名矩阵。 例如，我们看到进料速度与 6 个双因子交互作用和 4 个三因子交互作用具有部分别名关系。这些是对应于“进料速度”行中的 0.333 和 -0.33 条目。
分析结果
数据表 Plackett-Burman.jmp 包含设计的实验的结果。回想一下，您曾怀疑温度*浓度交互作用是活跃的。以下您将假设这是唯一可能活跃的交互作用。
1. 选择帮助 > 样本数据库，然后打开 Design Experiment/Plackett-Burman.jmp。
2. 通过点击左边的图标运行模型脚本。
3. 在“选择列”列表中选择温度，在“构造模型效应”列表中选择浓度。
4. 点击交叉。
5. 点击运行。
完整模型的参数估计值
“预测值-实际值”图指示不存在模型失拟。“参数估计值”报表显示催化剂在 0.05 水平显著，浓度*温度交互作用在 0.10 水平几乎是显著的。
简化模型
您想确定对响应影响最大的那些效应。为了更清楚地看到这些活跃效应，使用“效应汇总”分级显示项去除了不显著的效应。
完整模型的“效应汇总”分级显示项
尽管浓度是最不显著的效应，但是在高阶交互作用（浓度*温度）中会涉及它，这用 p 值右侧的补注符号来指示。根据效应遗传的原则，当在模型中保留浓度*温度交互作用时，不应将浓度从模型中删除。请参见效应遗传。下一个最不显著的效应为搅拌速度。
1. 在“效应汇总”分级显示项中，选择搅拌速度并点击删除。
进料速度是下一个最不显著的效应，可以删除它。
2. 在“效应汇总”分级显示项中，选择进料速度并点击删除。
简化模型的“效应汇总”分级显示项
p 值列指示催化剂主效应和浓度*温度交互作用在 0.05 水平上都是显著的。不能再进一步简化模型了。若所有其他交互作用不活跃或忽略不计，则您可以得出结论：催化剂和浓度*温度交互作用是活跃的效应。