有意なLoFを持つ有意なモデルJMPers様
私は挑戦していると思います！:)
それは重要なLoF結果を伴う重要なモデルについてです。私は、LoFを修正するために、JMPコミュニティで提案されているすべてのことを試してみました。問題は、X1、X2、およびX3は高い相関関係にあるということです。設計スペースに到達するためにこれら3つの要素をモデルの最後に置いておくことをお勧めしますが、これは必須ではありません。
だから私は2つのモデル（重回帰分析）になった：
- 最初の1つはより単純で、相互作用はありません - X3のみが保持され、VIFは低いですが、Y1、Y2、およびY3にとっては依然としてLoFが重要です
- 相互作用を伴う2番目のもの - すべてのX1、X2、およびX3は、有意な相互作用を伴いながら、方程式に含まれていました。Y1は有意でないLoFを持っていますが、Y2とY3では同じではありません。.. さらに、VIFはY3で大きく増加し、プロファイラーは素晴らしいものではありません...
注：ランはDoEからのものではありません（経験的でした）。
だから一般的に言って、モデル（標準最小二乗法）は私にはかなりよく見えます。しかし、それは私がLoF +残差の正規性または低いVIF +モデルの単純さの間で妥協する必要があるように思われる。
ここに何か足りない？モデルを改良してLoFの結果を修正することはできますか？
アドバイスありがとうございます
マルタ
重要なLoFを持つ有意なモデル興味深いデータ
あなたは、高い共線性と共に非常に影響力のある観測をいくつか持っているようです。これらの問題はどちらも重回帰には問題があります。
あなたはそんなに独立した情報を持っていません。
共線性は有意性を決定することを非常に困難にします。
非常に低いレバレッジは、データ値の非常に小さな変化が統計量の非常に大きな変化を生み出す可能性があることを意味します（例えば、パラメーター推定値とt比）
重要なLoFを持つ有意なモデル線形予測子と回帰を使用しないことで、問題の一部を回避できます。これは、単純なニューラルネットワークモデル（双曲線正接活性化関数をすべて使用している1つの隠れ層にある5つの隠れノード）の結果です。
モデル予測はかなり正確に見えます。
モデルはよくプロファイルされているようです。
重要なLoFを持つ有意なモデルこんにちは @markbailey ！あなたの貴重な提案をありがとう！実際、私はニューラルネットワークを考えたことは一度もありません。私はあなたが正しいと思います、それはこの場合のための完璧な解決策のようです。
とにかく、私が自分のJMPで再現しようとするとき、私はいつもX2のために正の勾配を得ます、そしてあなたのように負ではありません（そして私は正しいが負であるべきであることを知っています！）。これについて何か提案はありますか？
重要なLoFを持つ有意なモデル何がこの斜面の逆転の原因になっているのか私にはわかりませんが、いくつか考えがあります。考慮すべきことが3つあります。まず第一に、トレーニングセットと検証セットへの観測値の割り当てはランダムであるため、データセットが非常に大きい場合、違いは通常小さいものの、プロセスによって結果が変動します。
第二に、あなたのデータセットはそれほど大きくありません！毎回検証のために1/3のデータがランダムに保持されている場合、結果は同じにはなり得ません。さらに、いくつかの変数には2つか3つのレベルしかありませんでした。いくつかのレベルはほんの数回発生しました。その事実は実行間の違いをさらに複雑にします。検証方法としてHoldoutの代わりにK-fold Cross-validationを試してください。この検証方法では、5〜10倍を使って良い結果を得ることができます。
第三に、共線性の影響を完全に回避することはできません。X 2はX 1およびX 3と高い相関があります。ホールドアウト検証方法を考えると、行の2/3のランダムなサブセットが勾配を変える可能性があります。
モデル構築は真剣で慎重な作業です。私の以前の返事は提案であり、料金を支払うための完全な相談ではありませんでした。（それはここでの議論の目的ではありません！）あなたがあなたの発見を信頼し共有する前に、あなたはどんなモデリングテクニックについても学ぶ必要があります。しかし、私はこの議論があなたが始めるのに十分であることを願っています。
重要なLoFを持つ有意なモデル確かに役に立ちました。背後にあるものを実際に理解するのは難しいので、私はニューラルネットワークにそれほど熱心ではありませんでしたが、今は興味があります。私はもっと勉強し、これについてもっと深く探らなければなりません。私もすぐに新しい結果が出てくる、私はそれらを予測し、それが本当にうまくいくかどうかを比較し、検証することを試みることができる。良い週末を！
