R quadrato molto alto e significativo problema di mancanza di adattamentoCiao,
Ho realizzato un design personalizzato per 7 fattori con un modello contenente effetti principali, interruzioni e 2 poteri dell'ordine. Il numero di dimensioni del campione è 150. Vedo che 3 dei fattori sono importanti e sono un modello per queste 3 variabili.
Tuttavia ho dovuto affrontare una significativa mancanza di problemi di adattamento e un valore di 0,99 R ^ 2.
Ho cercato molto sulle ragioni di questa situazione ma non sono riuscito a trovare una risposta chiara.
Hai un'idea a riguardo, cosa causa questo problema?
Cordiali saluti.
AnalyticsDOEAltroOggetto: R quadrato molto alto e significativo problema di mancanza di adattamentoÈ possibile condividere dati e script?Oggetto: R quadrato molto alto e significativo problema di mancanza di adattamentoUn mancato fit test confronta la varianza dal "modello non adatto" alla varianza dei punti replicati (errore puro). Un risultato significativo significa che la varianza del "modello non adatto" è maggiore dell'errore puro. La causa più probabile è che il modulo del modello in uso non è appropriato per i dati.
Considera questa immagine:
Un valore RSquare elevato, ma una significativa mancanza di adattamento perché una linea retta non descrive la relazione. Ricorda che un RSquare alto di per sé non significa che hai un buon modello. Un RSquare alto significa che hai spiegato gran parte della varianza nella risposta, ma potresti comunque non avere un buon modello.È necessario considerare altri elementi come la significatività del modello, l'analisi dei residui, ecc. Per determinare se si dispone di un buon modello.
Quindi consiglierei di tracciare i residui del modello per vedere se ci sono modelli. Un modello indica cosa potrebbe esserci di sbagliato nel modulo del modello corrente. Verificare anche che i residui seguano una distribuzione normale in quanto ciò potrebbe anche portare a una situazione di mancanza di adattamento.
Infine, è possibile ottenere una significativa mancanza di fit test se i punti replicati hanno una varianza estremamente bassa piuttosto che la forma del modello non è corretta. Questo non accade spesso, ma l'ho visto accadere. In tali situazioni, dovresti cercare di determinare perché o come hai ottenuto una varianza così bassa. Ciò può fornire alcune buone intuizioni.
Oggetto: R quadrato molto alto e significativo problema di mancanza di adattamentoGrazie mille Dan,
Sto affrontando esattamente tutti i problemi che hai affermato.
problema di normalità in termini di errore, penso che abbia qualche tendenza nel mio termine di errore (se hai opinioni diverse per favore condividi con me) e variazione di errore pura molto molto piccola.
Se riprogetto l'esperimento e includo il termine cubo del fattore, risolvo questo problema?
(A proposito, so che la mia variabile dipendente dipende da altri fattori che non sono inclusi nel modello, ma li imposto costanti quando eseguo DOE ed eseguo esperimenti. Immagino che questo non causi questo problema, giusto?)
Oggetto: R quadrato molto alto e significativo problema di mancanza di adattamentoConcordo con tutto ciò @Dan_Obermiller ha contribuito. Dal grafico dei residui sembra che la causa principale della mancanza di adattamento sia una varianza della risposta replicata relativamente piccola rispetto alla varianza della risposta totale.
Ecco un altro pensiero da considerare ... qual è lo scopo dell'esperimento / studio? Se si tratta di previsione attraverso lo spazio dei fattori, qual è l'impatto dell'entità dell'errore di previsione attraverso lo spazio sperimentale da un punto di vista PRATICO? Se fa poca differenza pratica, allora, francamente, non mi potrebbe importare di meno che tu abbia LOF.
Oggetto: R quadrato molto alto e significativo problema di mancanza di adattamentoLa ragione esatta della LOF è la varianza molto piccola delle repliche, come si vede anche nel valore di errore puro.
Lo scopo di questo studio è modellare la variabile dipendente e fare l'ottimizzazione per trovare livelli ottimali di Fattore che restituiscono dep. La variabile è compresa tra 0,35 e 0,36.
Se guardi i miei attuali valori di errore del modello, stanno cambiando tra -0,3 e 0,3 che è molto grande per il mio obiettivo. Ecco perché, sto cercando di trovare un modello migliore che spieghi la mia variabile dipendente per fare una previsione migliore.Oggetto: R quadrato molto alto e significativo problema di mancanza di adattamento@Ella Se il valore target è compreso tra 0,35 e 0,36, la variazione prevista non è compresa tra -0,3 e 0,3 ma più vicina a +/- 0,1. E sospetto che il maggior contributo alla variazione residua in questo spazio sia dovuto ai cambiamenti dei fattori ... non LOF. Dai un'occhiata alla trama residua nel quartiere di 0,35 e 0,36 per capire il mio punto. Ecco un pensiero successivo per te:
Suggerisco di portare la tua analisi fino in fondo al JMP Prediction Profiler e quindi di utilizzare le funzionalità di ottimizzazione Desirability e Desirability di JMP per trovare uno spazio fattoriale ottimale centrato su 0,355 con limiti superiori e inferiori della funzione di desiderabilità JMP a 0,35 e 0,36. Quindi, se hai una certa conoscenza del processo su quanto aspettarti che i fattori cambino in base a quei consigli / ottimum dei fattori, esegui una simulazione Monte Carlo nel Prediction Profiler per vedere qual è la variazione nella tua risposta. Se la variazione del fattore simulato nella simulazione è relativamente grande, il LOF sarà l'ultimo dei tuoi problemi.
Oggetto: R quadrato molto alto e significativo problema di mancanza di adattamentoGrazie mille MR. Bartell, vedo il tuo punto ed è molto logico. buy Non riesco a capire esattamente il tuo suggerimento sulla simulazione Monte Carlo. Puoi spiegarlo in dettaglio?
