DOE - フィットモデルとプロファイラー<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />どのモデルが重要であるかを特定し、応答を予測するためにFit ModelとProfilerを使用しています。
Fit Model - > Stepwise analysisの後、5つの要素のうち2つだけが重要です。私は5つの要素すべてをFit Model - > Standard Least SquaresとEffect Screeningに入れてみました。プロファイラーは私に異なった予測をしてくれました。今JMPは別のモデルに合うので、それは私には意味があります。しかし、私は2つの要素しかない最初のモデルがより正確であることを知っています。自分の回答を最大化しようとした場合、自分の回答に重要ではないことが示された他の3つの要因の設定をどのように見つけますか。
日時：DOE - フィットモデルとプロファイラKevinに同意してください、
あなたがモデルに適合するのに十分な自由度を持っていると仮定して、私はそこから始めて価値を付加していない項を引き出します。あなたは段階的に使用しましたが、あなたが採用したどの停止規則を詳しく説明しませんでした。また、削除された他の用語をどのような設定にする必要があるのかを確認しようとしていたというあなたの質問も読みました。その場合、あなたのモデルにそれらの主な効果項を含めてください。そうすればプロファイラーはレスポンスへのそれらの影響を示します。
日時：DOE - フィットモデルとプロファイラ「2つの要素のみを持つ最初のモデルの方が正確であることがわかっている」とあなたが言った場合、どういう意味ですか？どうやってあなたは知っていますか？ステップワイズはそう言ったので？
「段階的回帰の問題」に関するWeb検索では、Stepwiseに不信を抱く多くの技術的な理由がすぐに詳しく説明されています。 JMPだけではありません…どんなソフトウェアでも…
ステップワイズ手順についての私のお気に入りの引用：「個人的には、自動ルーチンで自分のモデルを選択させることはもう許されません。いくつかの最適な手順で私のスーツケースを詰め込んでください。」Ronan Conroy。
問題の一部は、StepwiseがUnchosen要因のパラメータ推定値をゼロに設定するため、Stepwiseモデルではこれらの要因の設定は関係ないことです。 それはあなたのアプリケーションでは合法的ですか？これは大きな偏りを引き起こす可能性があります。 フルモデルを使ってみませんか？正当な理由でフルモデルに満足していない場合は、一般化回帰プラットフォームでなげなわやエラスティックネットのようなペナルティ付き回帰手法を使用することをお勧めします。 少なくともこれらの方法はパラメータを制限し、（共直線性を扱う）（Stepwiseとは異なり）。
