DSDにおけるK倍交差検定こんにちは、
簡単な質問があります。DSDを分析すると、文献（JMPの説明）は2つの方法を提案します。最初はフィット決定的スクリーニング、2番目は順方向の段階的回帰です。停止ルール：min AICc そして規則：組み合わせる。 順方向のステップワイズ回帰がフィットの最終的なスクリーニングよりも優れたモデルを与えることが判明した場合、私はk倍交差検定を使用することを考えていました。しかし、それはDSDでも意味がありますか？DSDは折り畳み式の設計であり、たとえば3/4の実行だけでモデルを作成しても意味がないと思います。私は正しいですか？
ご回答ありがとうございます。
ダニエル
再：KはDSDで交差検証をフォールドありがとう、私も同様に考えていました。再：KはDSDで交差検証をフォールドまず第一に、私が知っていることで最良のモデルを見つけることが保証されているという方法はありません。（つまり、「最高」と定義することさえできれば）
第二に、このケースは、経済がデザインの最も望ましい特性の1つであるスクリーニング実験です。その経済性は、主な効果のみを伴う線形モデルの最小実行回数と比較して、DSDは小さい設計であることを意味します。データを保持すると、見積もりとテストに影響があります（電力）。追加のランを追加することで補正できるかもしれませんが、その場合はカスタムデザインを使用することもできます。
第3に、K分割交差検定は小規模なデータセットに役立ちますが、DSDの分析と独自の利点はこの設計の独自の構造によって異なります。順番に各折り目を省略すると、この構造が破壊され、フィッティングが損なわれます。
うまくいきますか。最も可能性が高い。それはうまくいきますか？そうは思わない。
考えるのではなく、試しても問題ありません。シミュレーションは貴重なアプローチです。JMPはそのアプローチを簡単にします。
