Separat oder zusammenpassen?Wenn ich versuche, die Funktion „Modell anpassen“ durchzugehen und Effekte aus der Effektzusammenfassung zu entfernen, erhalte ich die Meldung „Fehlende Werte unterscheiden sich in den Y-Spalten.“ Jedes Y einzeln montieren?'
Ich frage mich, ob diese Meldung erscheint, weil ich keinen vollständigen Datensatz habe? Wenn ja, welches soll ich wählen? Unter normalen Umständen sollte das nicht passieren und wir sehen normalerweise Änderungen im Balkendiagramm, welche Faktoren wichtig sind.
Datenexploration und -visualisierungQualitäts- und VerfahrenstechnikRe: Separat oder zusammen passen?Ich stimme dem zu, was Bill gesagt hat. Im Allgemeinen würde ich mich separat für fit entscheiden, da ich wahrscheinlich nützlichere Modelle für jede Antwort erhalte, indem ich höchst nicht signifikante Effekte für eine Antwort entferne (auch bekannt als Beginn der Anpassung an das Rauschen), die für andere Antworten wichtig sein könnten. Sie können das Gesamtmodell immer noch im Profiler sehen (mit flachen Linien bei Antworten für diese Effekte, die nicht mehr im Modell enthalten sind).
Sie können einen individuellen Blick darauf werfen, ob die gleichen Faktoren signifikant sind. Dann sollten Sie fast das gleiche Ergebnis sehen, als wenn Sie alle zusammenpassen. Wenn Sie nur nach dem Gesamtmodell suchen, können Sie anfangen, das Rauschen für die eine oder andere Antwort anzupassen, wenn Sie nicht signifikante Faktoren hinzufügen.
Ein guter Ansatz ist im Allgemeinen, auch verschiedene Modelle auszuprobieren, also LS, Stepwise, Screening, Entscheidungsbaum, um nur einige zu nennen. Wenn alle die gleiche Geschichte erzählen, steigerst du dein Selbstvertrauen, was immer gut ist, besonders (und am wichtigsten), wenn sich das Modell als nützlich herausstellt 
Re: Separat oder zusammen passen?@kinsonk100 ,
Kurz gesagt, Sie sollten es in beide Richtungen versuchen.Der Vergleich kostet Sie nur wenige Minuten.Andernfalls, wenn Sie Fit nicht separat auswählen, gehen Sie davon aus, dass die Variation für jedes Y durch dieselben X (Eingaben) erklärt wird, und um auf der sicheren Seite zu sein, möchten Sie sehen, ob diese Annahme wahr ist oder nicht.
HTH
