매우 높은 R 제곱 및 심각한 적합 결여 문제안녕하세요,
주 효과, 간섭 및 2 차 거듭 제곱을 포함하는 모델로 7 개 요인에 대한 맞춤 설계를 만들었습니다. 샘플 크기는 150 개입니다. 3 가지 요인이 중요하고이 3 가지 변수에 대한 모델이 된 것을 알 수 있습니다.
그러나 나는 상당한 적합 문제와 0.99 R ^ 2 값에 직면했습니다.
이 상황의 원인에 대해 많이 검색했지만 명확한 답을 찾지 못했습니다.
그것에 대한 아이디어가 있습니까?이 문제의 원인은 무엇입니까?
감사합니다.
해석학암사슴다른Re : R 제곱이 매우 높고 적합하지 않은 문제데이터와 스크립트를 공유 할 수 있습니까?Re : R 제곱이 매우 높고 적합하지 않은 문제적합성 결여 테스트는 "모델이 적합하지 않음"의 분산을 복제 된 점의 분산 (순수 오류)과 비교합니다. 중요한 결과는 "모델이 적합하지 않음"분산이 순수 오류보다 크다는 것을 의미합니다. 가장 가능성이 높은 원인은 사용중인 모델 양식이 데이터에 적합하지 않기 때문입니다.
이 그림을 고려하십시오.
높은 RSquare 값이지만 직선이 관계를 설명하지 않기 때문에 적합하지 않습니다. RSquare가 높다고해서 좋은 모델이 있다는 의미는 아닙니다. RSquare가 높으면 반응의 분산을 많이 설명했지만 여전히 좋은 모델이 없을 수 있습니다.좋은 모델이 있는지 확인하려면 모델 유의성, 잔차 분석 등과 같은 다른 항목을 고려해야합니다.
따라서 패턴이 있는지 확인하기 위해 모델 잔차를 플로팅하는 것이 좋습니다. 패턴은 현재 모델 양식에 문제가있을 수 있음을 나타냅니다. 또한 잔차가 정규 분포를 따르는 지 확인하면 적합하지 않은 상황을 초래할 수 있습니다.
마지막으로, 복제 된 포인트의 분산이 모델 형식이 정확하지 않은 것이 아니라 매우 낮은 경우 적합성 테스트가 크게 결여 될 수 있습니다. 이것은 자주 발생하지 않지만 발생하는 것을 보았습니다. 이러한 상황에서는 이러한 낮은 분산을 달성 한 이유 또는 방법을 확인해야합니다. 그것은 좋은 통찰력을 제공 할 수 있습니다.
Re : R 제곱이 매우 높고 적합하지 않은 문제Dan 감사합니다.
나는 당신이 말한 모든 문제에 정확히 직면 해 있습니다.
오류 용어의 정규성 문제, 내 오류 용어에 약간의 추세가 있다고 생각합니다 (다른 의견이 있으면 나와 공유하십시오).
실험을 재 설계하고 요인의 3 차항을 포함하면이 문제를 해결할 수 있습니까?
(덧붙여서 내 종속 변수가 모델에 포함되지 않은 다른 요인에 의존한다는 것을 알고 있지만 DOE를 만들고 실험을 실행할 때 일정하게 설정했습니다. 나는 이것이이 문제를 일으키지 않는 것 같습니다.
Re : R 제곱이 매우 높고 적합하지 않은 문제나는 모든 것에 동의한다 안녕하세요. 기여했습니다. 잔차 그림에서 적합 결여의 근본 원인은 전체 반응 분산에 비해 상대적으로 작은 반복 반응 분산 인 것처럼 보입니다.
고려해야 할 또 다른 생각이 있습니다. 실험 / 연구의 목적은 무엇입니까? 요인 공간에 대한 예측 인 경우 실용적인 관점에서 실험 공간에 걸친 예측 오류의 크기가 얼마나 영향을 미칩니 까? 실질적인 차이가 거의 없다면 솔직히 당신이 LOF를 가지고 있다는 사실에 신경을 쓸 수 없습니다.
Re : R 제곱이 매우 높고 적합하지 않은 문제LOF의 정확한 이유는 순수한 오류 값에서도 볼 수 있듯이 반복 실험의 매우 작은 분산 때문입니다.
이 연구의 목적은 종속 변수를 모델링하고 최적화하여 dep를 반환하는 최적의 요인 수준을 찾는 것입니다. 변수는 0.35에서 0.36 사이입니다.
현재 모델 오류 값을 보면 -0.3과 0.3 사이에서 변경되며 이는 제 목표에 비해 매우 큽니다. 그래서 나는 더 나은 예측을 만들기 위해 내 종속 변수를 설명하는 더 나은 모델을 찾으려고 노력하고 있습니다.Re : R 제곱이 매우 높고 적합하지 않은 문제@ 엘라 목표 값이 0.35에서 0.36 사이에있는 경우 예상 변동은 -0.3에서 0.3이 아니라 +/- 0.1에 더 가깝습니다. 그리고 저는이 공간에서 잔차 변동의 가장 큰 원인은 LOF가 아닌 요인 변화 때문이라고 생각합니다. 내 요점을 보려면 0.35와 0.36 근처의 잔차 플롯을 살펴보십시오. 다음은 후속 조치입니다.
분석을 JMP 예측 프로파일 러로 가져간 다음 JMP의 Desirability 및 Desirability 최적화 기능을 사용하여 0.355를 중심으로하는 최적 요인 공간을 찾는 것이 좋습니다. 그런 다음 해당 요인 권장 / 최적화에서 요인이 얼마나 달라질 것으로 예상하는지에 대한 공정 지식이있는 경우 예측 프로파일 러 내에서 Monte Carlo 시뮬레이션을 실행하여 응답의 변동이 무엇인지 확인하십시오. 시뮬레이션에서 시뮬레이션 된 요인 변동이 비교적 크면 LOF가 문제 중 가장 적습니다.
Re : R 제곱이 매우 높고 적합하지 않은 문제고마워요 MR. Bartell, 나는 당신이 지적하고 매우 논리적입니다. Monte Carlo 시뮬레이션에 대한 귀하의 제안을 정확히 이해할 수 없습니다. 자세히 설명해 주시겠습니까?
