Carré R très élevé et problème de manque d'ajustement importantSalut,
J'ai fait un design personnalisé pour 7 facteurs avec un modèle contenant les effets principaux, les interractions et 2 pouvoirs d'ordre. Le nombre d'échantillon est de 150. Je vois que 3 des facteurs sont importants et fait modèle pour ces 3 variables.
Cependant, j'ai été confronté à un manque important de problème d'ajustement et à une valeur de 0,99 R ^ 2.
J'ai beaucoup cherché les raisons de cette situation mais je n'ai pas trouvé de réponse claire.
Avez-vous une idée à ce sujet, qu'est-ce qui cause ce problème?
Sincères amitiés.
AnalytiqueBICHEAutreRe: carré R très élevé et manque important de problème d'ajustementEst-il possible de partager vos données et votre script?Re: carré R très élevé et manque important de problème d'ajustementUn test de manque d'ajustement compare la variance du «modèle non ajusté» à la variance des points répliqués (erreur pure). Un résultat significatif signifie que la variance du «modèle non ajusté» est plus grande que l'erreur pure. La cause la plus probable est que le formulaire modèle que vous utilisez n'est pas approprié pour les données.
Considérez cette image:
Une valeur RSquare élevée, mais un manque d'ajustement important car une ligne droite ne décrit pas la relation. N'oubliez pas qu'un RSquare élevé ne signifie pas en soi que vous avez un bon modèle. Un RSquare élevé signifie que vous avez expliqué une grande partie de la variance de la réponse, mais que vous n'avez peut-être toujours pas un bon modèle.Vous devez tenir compte d'autres éléments tels que l'importance du modèle, l'analyse résiduelle, etc. pour déterminer si vous disposez d'un bon modèle.
Je recommanderais donc de tracer les résidus de votre modèle pour voir s'il existe des modèles. Un modèle indiquerait ce qui ne va pas avec votre formulaire de modèle actuel. Vérifiez également que les résidus suivent une distribution normale, car cela pourrait également conduire à une situation de manque d'ajustement.
Enfin, il est possible d'obtenir un manque significatif de test d'ajustement si vos points répliqués ont une variance extrêmement faible plutôt que la forme du modèle est incorrecte. Cela n'arrive pas souvent, mais j'ai vu cela se produire. Dans de telles situations, vous devriez chercher à déterminer pourquoi ou comment vous avez atteint un si faible variance. Cela peut fournir de bonnes informations.
Re: carré R très élevé et manque important de problème d'ajustementMerci beaucoup Dan,
Je fais face exactement à tous les problèmes que vous avez mentionnés.
problème de normalité en termes d'erreur, je pense avoir une certaine tendance dans mon terme d'erreur (si vous avez une opinion différente, veuillez partager avec moi) et très très petite variation d'erreur pure.
Si je redessine l'expérience et inclut un terme cubique de facteur, dois-je résoudre ce problème?
(Au fait, je sais que ma variable dépendante dépend d'autres facteurs qui ne sont pas inclus dans le modèle, mais je les règle constants lorsque je fais DOE et exécute des expériences. Je suppose que cela ne pose pas ce problème, non?)
Re: carré R très élevé et manque important de problème d'ajustementJe suis d'accord avec tout ça @Dan_Obermiller contribué. D'après votre graphique résiduel, il semble que la cause fondamentale du manque d'ajustement est une variance de réponse répliquée relativement faible par rapport à la variance de réponse totale.
Voici une autre réflexion à considérer ... quel est le but de l'expérience / étude? S'il s'agit d'une prédiction dans l'espace des facteurs, quel est l'impact de la magnitude de l'erreur de prédiction dans l'espace expérimental d'un point de vue PRATIQUE? Si cela fait peu de différence pratique, alors, franchement, je m'en fiche que vous ayez un LOF.
Re: carré R très élevé et manque important de problème d'ajustementLa raison exacte de la LOF est la très petite variance des répliques, comme on le voit également dans la valeur d'erreur pure.
Le but de cette étude est de modéliser la variable dépendante et d'effectuer l'optimisation pour trouver des niveaux de facteur optimaux qui retournent dep. La variable est comprise entre 0,35 et 0,36.
Si vous regardez mes valeurs d'erreur de modèle actuelles, elles changent entre -0,3 et 0,3, ce qui est très important pour ma cible. C'est pourquoi, j'essaie de trouver un meilleur modèle expliquant ma variable dépendante pour faire une meilleure prévision.Re: carré R très élevé et manque important de problème d'ajustement@Ella Si votre valeur cible se situe entre 0,35 et 0,36, votre variation prévue n'est pas de -0,3 à 0,3 mais plus proche de +/- 0,1. Et je soupçonne que le plus grand contributeur à la variation résiduelle dans cet espace est dû aux changements de facteurs ... et non à la LOF. Jetez un œil à la parcelle résiduelle dans le voisinage de 0,35 et 0,36 pour voir mon point. Voici une réflexion complémentaire pour vous:
Je suggère de poursuivre votre analyse jusqu'au JMP Prediction Profiler, puis d'utiliser les capacités d'optimisation de désirabilité et de désirabilité de JMP pour trouver un optimum d'espace factoriel centré sur 0,355 avec des limites supérieures et inférieures de la fonction de désirabilité JMP à 0,35 et 0,36. Ensuite, si vous avez une certaine connaissance du processus sur la variation attendue des facteurs à ces facteurs recommandés / optimaux, exécutez une simulation de Monte Carlo dans le Prediction Profiler pour voir quelle est la variation de votre réponse. Si votre variation de facteur simulée dans la simulation est relativement grande, alors LOF sera le moindre de vos problèmes.
Re: carré R très élevé et manque important de problème d'ajustementMerci beaucoup MR. Bartell, je vois que vous pointez et c'est très logique. acheter je ne peux pas exactement comprendre votre suggestion sur la simulation de Monte Carlo. Pourriez-vous l'expliquer en détail?
