Ciao,
Ho una domanda veloce. Se analizzi DSD, la letteratura (istruzioni in JMP) propone due metodi. Il primo è lo screening defintive di Fit e il secondo è la regressione stepwise Forward, con Regola d'arresto: min AICc e regole: Combina. Stavo pensando di usare la convalida incrociata k fold, se la regressione stepwise diretta risulta fornire il modello migliore rispetto allo screening definitivo di Fit. Ma ha senso anche con DSD? DSD è un design pieghevole e penso che fare il modello solo su, per esempio, 3/4 delle corse, non avrebbe senso. Ho ragione o torto?
La ringrazio per la risposta.
Danijel
Prima di tutto, non c'è alcun metodo che io sappia che è garantito per trovare il miglior modello. (Cioè, se puoi anche definire "migliore".)
In secondo luogo, questo caso è un esperimento di screening in cui l'economia è una delle caratteristiche più desiderabili del progetto. Questa economia significa che un DSD è un design piccolo, rispetto al numero minimo di esecuzioni per il modello lineare con solo effetti principali. Tenere a bada qualsiasi dato influenzerà la stima e il test (potenza). Potresti essere in grado di compensare aggiungendo delle esecuzioni extra, ma potresti anche usare la progettazione personalizzata.
In terzo luogo, la validazione incrociata di K-fold è utile con insiemi di dati di piccole dimensioni, ma l'analisi e l'esclusivo insieme di vantaggi del DSD dipendono dalla struttura unica di questo progetto. L'omissione di ogni piega a sua volta distruggerebbe questa struttura e comprometterebbe l'adattamento.
Funzionerebbe? Più probabilmente. Funzionerebbe bene? Non probabile
Non può far male provarlo, invece di pensarci. La simulazione sarebbe un approccio prezioso. JMP rende questo approccio facile.
