Carré R très élevé et problème de manque d'ajustement importantSalut,
J'ai fait une conception personnalisée pour 7 facteurs avec un modèle contenant des effets principaux, des interactions et des puissances de 2 ordres. Le nombre d'échantillons 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 problème de manque d'ajustement important et à une valeur de 0,99 R ^ 2.
J'ai beaucoup cherché sur 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?
Bien à vous.
Accès aux donnéesConception d'expériencesPersonnalisation de masseRe : R carré très élevé et problème important de manque d'ajustement@Ella Les étapes détaillées pour exécuter le flux de travail que je suggère dans ma dernière réponse à ce fil de discussion sont beaucoup trop nombreuses, détaillées et longues, et certaines dépendent fortement de l'expertise du domaine plus que d'une théorie statistique ou d'une technique à articuler dans un fil de discussion du forum de discussion de la communauté d'utilisateurs JMP. J'ai deux suggestions pour vous à partir de maintenant :
1. Comme il semble que vous n'ayez que peu ou pas d'expérience dans l'utilisation de JMP, DOE et de la modélisation pour les problèmes d'optimisation des processus, trouvez quelqu'un dans votre organisation ou engagez un consultant qui a déjà fait cela et qui a une certaine expérience. Si pour rien d'autre, ils seront en mesure de vous guider à travers les flux de travail de la plate-forme, de proposer des suggestions en cours de route et de poser des questions stimulantes qui vous aideront à continuer à définir votre problème et les approches d'une solution.
2. Si vous êtes vraiment tout seul et que vous n'avez pas d'autres ressources techniques disponibles pour un flux de travail détaillé pour ce que je suggère, je vous recommande de regarder ce blog JMP et cette vidéo écrite par mon ancien collègue (je suis à la retraite) @robert_anderson . Le billet de blog montre le flux de travail de base et offre des conseils sur la navigation dans l'écosystème JMP pour opérationnaliser le flux de travail que je suggère. Voici un lien vers l'article de blog : Trouver les meilleures conditions de fonctionnement du procédé à l'aide de 2 approches d'optimisation
Re : R carré très élevé et problème important de manque d'ajustementMerci beaucoup M. Bartell, je vous vois pointer du doigt et c'est très logique. acheter je ne comprends pas exactement votre suggestion sur la simulation de Monte Carlo. Pourriez-vous l'expliquer en détail?Re : R carré très élevé et problème important de manque 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 ... pas au LOF. Jetez un oeil à la parcelle résiduelle dans le voisinage de 0,35 et 0,36 pour voir mon point. Voici une pensée de suivi pour vous :
Je vous suggère de mener votre analyse jusqu'au profileur de prédiction JMP, puis d'utiliser les capacités d'optimisation de la désirabilité et de la désirabilité de JMP pour trouver un espace de facteur optimal centré sur 0,355 avec des limites supérieure et inférieure 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 recommandations/optimums de facteurs, exécutez une simulation de Monte Carlo dans le profileur de prédiction pour voir quelle est la variation de votre réponse. Si votre variation de facteur simulée dans la simulation est relativement importante, alors LOF sera le moindre de vos problèmes.
Re : R carré très élevé et problème important de manque d'ajustementLa raison exacte du 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 de faire une optimisation pour trouver des niveaux de facteur optimaux qui renvoient dep. La variable est comprise entre 0,35 et 0,36.
Si vous regardez mes valeurs d'erreur de modèle actuelles, elles évoluent 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 : R carré très élevé et problème important de manque d'ajustementje suis d'accord avec tout ca @Dan_Obermiller contribué. D'après votre graphique résiduel, il semble que la cause première du manque d'ajustement soit une variance de réponse répétée 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 factoriel, quel est l'impact de l'ampleur de l'erreur de prédiction dans l'espace expérimental d'un point de vue PRATIQUE ? Si cela fait peu de différence pratique, alors, très franchement, je m'en fous que vous ayez LOF.
Re : R carré très élevé et problème important de manque d'ajustementMerci beaucoup Dan,
Je suis exactement confronté 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 une très très petite variation d'erreur pure.
Si je reconcevoir l'expérience et inclure le terme cubique du facteur, est-ce que je résous 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 fixe constants lorsque je fais un DOE et que je lance des expériences. Je suppose que cela ne cause pas ce problème, non ?)
Re : R carré très élevé et problème important de manque d'ajustementUn test d'absence d'ajustement compare la variance du "modèle non ajusté" à la variance des points répliqués (erreur pure). Un résultat significatif signifie que la variance "modèle non ajusté" est supérieure à l'erreur pure. La cause la plus probable est que le formulaire de 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 dans la réponse, mais que vous n'avez peut-être toujours pas un bon modèle.Vous devez tenir compte d'autres éléments tels que la signification 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 entraîner une situation de non-ajustement.
Enfin, il est possible d'obtenir un test d'inadéquation significatif si vos points répliqués ont une variance extrêmement faible plutôt que si la forme du modèle est incorrecte. Cela n'arrive pas si souvent, mais j'ai vu cela se produire. Dans de telles situations, vous devriez chercher à déterminer pourquoi ou comment vous avez atteint un écart aussi faible. Cela peut donner de bonnes idées.
Re : R carré très élevé et problème important de manque d'ajustementEst-il possible de partager vos données et votre script ?
