매우 높은 R 제곱 및 상당한 적합성 부족 문제안녕,
주효과, 상호작용 및 2차력을 포함하는 모델로 7개 요인에 대한 맞춤형 디자인을 만들었습니다. 샘플 크기의 수는 150개입니다. 저는 3가지 요인이 중요하고 이 3가지 변수에 대한 모델을 만들었다고 봅니다.
그러나 나는 적합성 문제와 0.99 R^2 값의 상당한 부족에 직면했습니다.
이 상황의 원인에 대해 많이 검색했지만 명확한 답을 찾을 수 없었습니다.
이 문제의 원인은 무엇입니까?
감사합니다.
데이터 접근실험 설계대량 맞춤화Re: 매우 높은 R 제곱과 심각한 적합성 부족 문제@엘라 이 스레드에 대한 최근 회신에서 제가 제안한 워크플로를 실행하기 위한 세부 단계는 너무 많고 상세하며 길며 일부는 JMP 사용자 커뮤니티 토론 포럼 스레드에서 설명하는 통계 이론이나 기술보다 도메인 전문 지식에 크게 의존합니다. 이 시점부터 두 가지 제안이 있습니다.
1. 이전에 JMP, DOE 및 프로세스 최적화 문제 모델링을 사용한 경험이 거의 또는 전혀 없는 것 같으므로 조직에서 누군가를 찾거나 이전에 이 작업을 수행하고 어느 정도 경험이 있는 컨설턴트를 고용하십시오. 다른 이유 없이 플랫폼 워크플로를 안내하고, 그 과정에서 제안을 제공하고, 계속해서 문제의 틀을 잡고 솔루션에 접근하는 데 도움이 되는 생각을 자극하는 질문을 할 수 있습니다.
2. 정말 혼자이고 내가 제안하는 세부 워크플로에 사용할 수 있는 다른 기술 리소스가 없는 경우, 이 JMP 블로그와 이전(은퇴한) 동료가 작성한 비디오를 참조하는 것이 좋습니다. @robert_anderson . 블로그 게시물은 기본 워크플로를 보여주고 제가 제안하는 워크플로를 운영하기 위해 JMP 에코시스템을 탐색하는 방법에 대한 몇 가지 지침을 제공합니다. 다음은 블로그 게시물에 대한 링크입니다. 2가지 최적화 접근법을 사용하여 최적의 프로세스 운영 조건 찾기
Re: 매우 높은 R 제곱 및 심각한 적합성 부족 문제감사합니다. Bartell, 나는 당신이 지적하는 것을 보았고 그것은 매우 논리적입니다. Monte Carlo 시뮬레이션에 대한 귀하의 제안을 정확히 이해할 수 없습니다. 자세히 설명해 주시겠습니까?Re: 매우 높은 R 제곱 및 심각한 적합성 부족 문제@엘라 목표 값이 0.35에서 0.36 사이이면 예상 변동은 -0.3에서 0.3이 아니라 +/- 0.1에 가깝습니다. 그리고 이 공간의 잔차 변동에 가장 크게 기여하는 요인은 LOF가 아니라 요인 변경 때문이라고 생각합니다. 내 요점을 보려면 0.35와 0.36 부근의 잔차 플롯을 살펴보십시오. 다음은 귀하를 위한 후속 조치입니다.
분석을 끝까지 JMP 예측 프로파일러로 가져간 다음 JMP의 바람직함 및 바람직함 최적화 기능을 사용하여 0.35와 0.36에서 JMP 바람직함 함수 상한 및 하한과 함께 0.355를 중심으로 최적 요인 공간을 찾는 것이 좋습니다. 그런 다음 해당 요인 권장 사항/최적값에서 요인이 얼마나 달라질 것으로 예상되는지에 대한 프로세스 지식이 있는 경우 예측 프로파일러 내에서 Monte Carlo 시뮬레이션을 실행하여 응답의 변동이 무엇인지 확인하십시오. 시뮬레이션에서 시뮬레이션된 요인 변동이 상대적으로 크면 LOF가 가장 작은 문제가 됩니다.
Re: 매우 높은 R 제곱 및 심각한 적합성 부족 문제LOF의 정확한 이유는 순수 오차 값에서도 볼 수 있는 것처럼 복제의 분산이 매우 작기 때문입니다.
본 연구의 목적은 종속변수를 모델링하고 dep를 반환하는 최적의 Factor 수준을 찾기 위해 최적화하는 것이다. 변수는 0.35에서 0.36 사이입니다.
내 현재 모델 오류 값을 보면 -0.3에서 0.3 사이에서 변경되고 있는데 이는 내 목표에 매우 큽니다. 그렇기 때문에 더 나은 예보를 만들기 위해 내 종속 변수를 설명하는 더 나은 모델을 찾으려고 노력하고 있습니다.Re: 매우 높은 R 제곱과 심각한 적합성 부족 문제나는 그 모든 것에 동의한다 @Dan_Obermiller 기여했습니다. 잔차 플롯에서 적합성 부족의 근본 원인은 전체 응답 분산에 비해 상대적으로 작은 복제 응답 분산인 것 같습니다.
고려해야 할 또 다른 생각이 있습니다. 실험/연구의 목적은 무엇입니까? 요인 공간에 걸친 예측인 경우 실용적인 관점에서 실험 공간에 걸친 예측 오류의 크기는 얼마나 영향을 줍니까? 실제적인 차이가 거의 없다면 솔직히 말해서 LOF가 있는 것은 별로 신경 쓰지 않을 수 있습니다.
Re: 매우 높은 R 제곱 및 심각한 적합성 부족 문제대단히 감사합니다 댄,
나는 당신이 말한 모든 문제에 정확히 직면하고 있습니다.
오류 용어의 정상성 문제, 내 오류 용어에 약간의 추세가 있다고 생각합니다(다른 의견이 있는 경우 나와 공유하십시오) 및 매우 작은 순수 오류 변동이 있습니다.
실험을 재설계하고 인수의 3차 항을 포함하면 이 문제를 해결할 수 있습니까?
(참고로 저는 제 종속변수가 모델에 포함되지 않은 다른 요인들에 의존한다는 것을 알고 있지만 DOE를 만들고 실험을 할 때 그것들을 일정하게 설정했습니다. 이것이 이 문제를 일으키지 않는다고 생각합니다. 맞습니까?)
Re: 매우 높은 R 제곱 및 심각한 적합성 부족 문제적합성 부족 테스트는 "모델이 적합하지 않음"의 분산을 복제된 점의 분산(순수 오차)과 비교합니다. 유의한 결과는 "모델이 적합하지 않음" 분산이 순수 오류보다 크다는 것을 의미합니다. 가장 가능성이 높은 원인은 사용 중인 모델 형식이 데이터에 적합하지 않기 때문입니다.
이 그림을 고려하십시오.
높은 RSquare 값이지만 직선이 관계를 설명하지 않기 때문에 적합성이 상당히 부족합니다. RSquare가 높다고 해서 좋은 모델이 있는 것은 아닙니다. RSquare가 높다는 것은 응답의 분산을 많이 설명했지만 여전히 좋은 모델이 아닐 수 있음을 의미합니다.모델이 좋은지 판단하려면 모델 유의성, 잔차 분석 등과 같은 다른 항목을 고려해야 합니다.
따라서 패턴이 있는지 확인하기 위해 모델 잔차를 플로팅하는 것이 좋습니다. 패턴은 현재 모델 양식에 무엇이 잘못될 수 있는지 나타냅니다. 또한 적합하지 않은 상황으로 이어질 수 있으므로 잔차가 정규 분포를 따르는지 확인하십시오.
마지막으로 복제된 점의 분산이 모델 형식이 잘못된 것이 아니라 매우 낮은 경우 상당한 적합성 부족 테스트를 얻을 수 있습니다. 이것은 자주 발생하지 않지만 발생하는 것을 보았습니다. 이러한 상황에서는 분산이 그렇게 낮은 이유 또는 방법을 확인해야 합니다. 그것은 좋은 통찰력을 제공할 수 있습니다.
Re: 매우 높은 R 제곱 및 심각한 적합성 부족 문제데이터와 스크립트를 공유할 수 있습니까?
