S'adapter séparément ou s'assembler ?Lorsque j'essaie d'utiliser la fonction Ajuster le modèle et de supprimer des effets dans le résumé des effets, je reçois un message indiquant « Valeurs manquantes différentes dans les colonnes Y ». Ajuster chaque Y séparément ?
Je me demande si ce message apparaît parce que je n'ai pas un ensemble de données complet ? Si oui, lequel dois-je choisir ? Dans des circonstances normales, cela ne devrait pas se produire et nous voyons normalement des changements dans le graphique à barres indiquant les facteurs importants.
Exploration et visualisation des donnéesIngénierie Qualité et ProcédésRe : A monter séparément ou à monter ensemble ?Je suis d'accord avec Bill. En général, j'opterais pour l'ajustement séparément, car j'obtiendrais probablement des modèles plus utiles pour chaque réponse en supprimant les effets hautement non significatifs pour une réponse (c'est-à-dire commençant à s'adapter au bruit), ce qui pourrait être important pour d'autres réponses. Vous pouvez toujours voir le modèle global dans le profileur (avec des lignes plates aux réponses pour ces effets qui ne sont plus dans le modèle)
Vous pouvez jeter un coup d'œil individuellement et voir si les mêmes facteurs apparaissent comme significatifs. Ensuite, vous devriez voir presque le même résultat que lorsque vous emboîtez le tout. Si vous recherchez simplement le modèle global, vous pouvez commencer à ajuster le bruit pour l'une ou l'autre réponse en ajoutant des facteurs non significatifs.
Une bonne approche consiste en général à essayer également différents modèles, donc LS, Stepwise, Screening, Decision tree, pour n'en nommer que quelques-uns. Si tous racontent la même histoire vous augmentez votre confiance ce qui est toujours bon, surtout (et le plus important) si le modèle s'avère utile 
Re : A monter séparément ou à monter ensemble ?@kinsonk100 ,
En bref, vous devriez essayer dans les deux sens.Cela ne vous coûtera que quelques minutes pour faire la comparaison.Sinon, si vous ne choisissez pas l'ajustement séparément, vous supposez que la variation pour chaque Y est expliquée par les mêmes X (entrées) et pour être sûr, vous voudrez voir si cette hypothèse est vraie ou non.
HTH
