Cuadrado R muy alto y problema significativo de falta de ajusteHola,
Hice un diseño personalizado para 7 factores con un modelo que contiene efectos principales, interacciones y poderes de 2 órdenes. El tamaño de la muestra es 150. Veo que 3 de los factores son importantes y hacen un modelo para estas 3 variables.
Sin embargo, me enfrenté a un problema de falta de ajuste significativo y un valor de R ^ 2 de 0,99.
Busqué mucho sobre las razones de esta situación pero no pude encontrar una respuesta clara.
¿Tiene una idea al respecto, qué causa este problema?
Saludos cordiales.
AnalíticaGAMAOtroRe: Cuadrado R muy alto y problema significativo de falta de ajuste¿Es posible compartir sus datos y script?Re: Cuadrado R muy alto y problema significativo de falta de ajusteUna prueba de falta de ajuste compara la varianza del "modelo que no se ajusta" a la varianza de los puntos replicados (error puro). Un resultado significativo significa que la varianza del "modelo que no se ajusta" es mayor que el error puro. La causa más probable es que el formulario modelo que está utilizando no sea apropiado para los datos.
Considere esta imagen:
Un valor alto de RS cuadrado, pero una falta significativa de ajuste porque una línea recta no describe la relación. Recuerde que un RSquare alto por sí solo no significa que tenga un buen modelo. Un RS cuadrado alto significa que ha explicado gran parte de la variación en la respuesta, pero es posible que aún no tenga un buen modelo.Debe considerar otros elementos como la importancia del modelo, el análisis residual, etc. para determinar si tiene un buen modelo.
Por lo tanto, recomendaría trazar los residuos de su modelo para ver si hay algún patrón. Un patrón indicaría lo que podría estar mal con su forma de modelo actual. También verifique para asegurarse de que los residuos sigan una distribución normal, ya que eso también podría conducir a una situación de falta de ajuste.
Finalmente, es posible obtener una prueba de falta de ajuste significativa si los puntos replicados tienen una varianza extremadamente baja en lugar de que la forma del modelo sea incorrecta. Esto no sucede con tanta frecuencia, pero he visto que eso ocurre. En tales situaciones, debe considerar determinar por qué o cómo logró una variación tan baja. Eso puede proporcionar algunas buenas perspectivas.
Re: Cuadrado R muy alto y problema significativo de falta de ajusteMuchas gracias Dan,
Estoy enfrentando exactamente todos los problemas que ha dicho.
Problema de normalidad en términos de error, creo que hay alguna tendencia en mi término de error (si tiene una opinión diferente, por favor, comparta conmigo) y una variación de error pura muy pequeña.
Si rediseño el experimento e incluyo un término cúbico de factor, ¿resuelvo este problema?
(Por cierto, sé que mi variable dependiente depende de otros factores que no están incluidos en el modelo, pero los establezco constantes cuando hago DOE y ejecuto experimentos. Supongo que esto no causa este problema, ¿verdad?)
Re: Cuadrado R muy alto y problema significativo de falta de ajusteEstoy de acuerdo con todo eso @Dan_Obermiller contribuido. A partir de su gráfica residual, parece que la causa raíz de la falta de ajuste es una varianza de respuesta replicada relativamente pequeña en comparación con la varianza de respuesta total.
Aquí hay otro pensamiento que debe considerar ... ¿cuál es el propósito del experimento / estudio? Si se trata de una predicción en el espacio de factores, ¿qué impacto tiene la magnitud del error de predicción en el espacio experimental desde un punto de vista PRÁCTICO? Si hay poca diferencia práctica, entonces, francamente, no podría importarme menos que tengas LOF.
Re: Cuadrado R muy alto y problema significativo de falta de ajusteExactamente la razón de LOF es una variación muy pequeña de las réplicas como también se ve en el valor de error puro.
El objetivo de este estudio es modelar la variable dependiente y realizar la optimización para encontrar niveles óptimos de Factor que devuelvan dep. La variable está entre 0,35 y 0,36.
Si observa los valores de error de mi modelo actual, están cambiando entre -0,3 y 0,3, lo cual es muy grande para mi objetivo. Por eso, estoy tratando de encontrar un mejor modelo que explique mi variable dependiente para hacer una mejor predicción.Re: Cuadrado R muy alto y problema significativo de falta de ajuste@Ella Si su valor objetivo está entre 0,35 y 0,36, su variación prevista no es de -0,3 a 0,3, sino más cercana a +/- 0,1. Y sospecho que el mayor contribuyente a la variación residual en este espacio se debe a cambios de factores ... no LOF. Eche un vistazo a la gráfica residual en la vecindad de 0.35 y 0.36 para ver mi punto. He aquí un pensamiento de seguimiento para ti:
Sugiero llevar su análisis hasta el Perfil de predicción de JMP y luego usar las capacidades de optimización de deseabilidad y deseabilidad de JMP para encontrar un espacio de factor óptimo centrado en 0.355 con límites superior e inferior de la función de deseabilidad de JMP en 0.35 y 0.36. Luego, si tiene algún conocimiento del proceso sobre cuánto puede esperar que los factores varíen en esos factores recomendados / óptimos, ejecute una simulación Monte Carlo dentro del Prediction Profiler para ver cuál es la variación en su respuesta. Si la variación de su factor simulado en la simulación es relativamente grande, entonces LOF será el menor de sus problemas.
Re: Cuadrado R muy alto y problema significativo de falta de ajusteMuchas gracias MR. Bartell, te veo señalar y es muy lógico. comprar no puedo entender exactamente su sugerencia sobre la simulación de Montecarlo. ¿Podría explicarlo en detalle?
