DOE - Fit Model and Profiler<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Sto usando Fit Model e Profiler per aiutarmi a identificare quali fattori sono importanti e prevedere la risposta.
Dopo Fit Model -> Stepwise analysis, solo 2 su 5 fattori sono importanti. Provo a mettere tutti e 5 i fattori in Fit Model -> Minimi quadrati standard e screening degli effetti, il Profiler mi ha dato previsioni diverse. Questo ha senso per me perché ora JMP si adatta a un modello diverso. Ma so che il primo modello con solo 2 fattori è più preciso. Se provo a massimizzare la mia risposta, come faccio a scoprire l'impostazione degli altri 3 fattori che non hanno mostrato una risposta significativa alla mia risposta?
Re: DOE - Fit Model e ProfilerD'accordo con Kevin,
Supponendo che tu abbia abbastanza gradi di libertà per adattarsi al modello, inizierei lì e tirerei fuori termini che non aggiungono valore. Hai usato passo dopo passo ma non hai delineato quale regola di stop hai impiegato. Ho anche letto nella tua domanda che stavi cercando di determinare quali impostazioni avrebbero dovuto essere impostati gli altri termini che erano stati rimossi. In tal caso, includere i termini dell'effetto principale nel modello e il Profiler indicherà il loro impatto sulla risposta.
Re: DOE - Fit Model e ProfilerQuando dici di "conoscere il primo modello con solo 2 fattori sono più accurati", cosa intendi? Come lo sai? Perché Stepwise ha detto così ??
Una ricerca sul web su "problemi con la regressione graduale" illustrerà rapidamente molte ragioni tecniche per sfidare Stepwise. Non solo JMP ... qualsiasi software ...
La mia citazione preferita sulle procedure Stepwise: "Personalmente, non permetterei più a una routine automatica di selezionare il mio modello piuttosto che lasciarlo un po 'di procedura migliore mi prepara la valigia. "Ronan Conroy.
Parte del problema è che Stepwise imposta a zero la stima dei parametri dei fattori Unchosen, quindi le impostazioni di tali fattori non hanno importanza nel modello Stepwise. È legittimo nella tua applicazione? Questo può causare pregiudizi significativi. Perché non usare il modello completo? Se non sei soddisfatto del modello completo per qualche motivo legittimo, ti consiglio di utilizzare una tecnica di regressione penalizzata come il lazo o la rete elastica nella piattaforma di regressione generalizzata. Almeno questi metodi vincolano i parametri e gestiscono la multicollinearità (a differenza di Stepwise).
