在DSD中K折疊交叉驗證你好，
我有一個快速的問題。如果您分析DSD，文獻（JMP中的說明）提出了兩種方法。第一個是Fit定義篩選，第二個是前向逐步回歸，用停止規則：min AICc 和規則：結合。 我正在考慮使用k折疊交叉驗證，如果前向逐步回歸結果得出比Fit最終篩選更好的模型。但這對DSD來說是否有意義？DSD是一種折疊設計，我認為僅僅運行模型，例如3/4的運行，是沒有意義的。我是對還是錯？
謝謝您的回答。
海倫芬
Re：在DSD中K折疊交叉驗證謝謝，我也在想同樣的想法。Re：在DSD中K折疊交叉驗證首先，我所知道的方法無法保證找到最佳模型。（也就是說，如果你甚至可以定義“最好的”。）
其次，這個案例是一個篩選實驗，其中經濟是設計中最令人嚮往的特徵之一。這種經濟意味著DSD是一種小型設計，與僅具有主要影響的線性模型的最小運行次數相比。保留任何數據都會影響估算和測試（功率）。您可以通過添加額外的運行來補償，但是您也可以使用自定義設計。
第三，K折疊交叉驗證對於小型數據集很有用，但DSD的分析和獨特的一系列優勢取決於該設計的獨特結構。依次省略每個折疊會破壞這種結構並損害配件。
會有用嗎？最有可能的。它會運作良好嗎？不見得。
嘗試它不會有害，而不是考慮它。模擬將是一種有價值的方法。JMP使這種方法變得容易。
