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, interazioni e 2 poteri di ordine. Il numero della dimensione del campione è 150. Vedo che 3 dei fattori sono importanti e fatto modello per queste 3 variabili.
Tuttavia ho riscontrato un significativo problema di mancanza 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.
Accesso ai datiProgettazione di esperimentiPersonalizzazione di massaRe: R quadrato molto alto e significativo problema di mancanza di adattamento@Ella I passaggi dettagliati per eseguire il flusso di lavoro che suggerisco nella mia ultima risposta a questo thread sono troppi, dettagliati e lunghi, e alcuni dipendono molto dall'esperienza del dominio più che da una teoria o tecnica statistica da articolare in un thread del forum di discussione della community degli utenti di JMP. Ho due suggerimenti per te da questo punto in avanti:
1. Poiché sembra che tu abbia poca o nessuna esperienza precedente nell'utilizzo di JMP, DOE e modellazione per problemi di ottimizzazione dei processi, trova qualcuno nella tua organizzazione o assumi un consulente che lo abbia già fatto e abbia una certa esperienza. Se non altro saranno in grado di guidarti attraverso i flussi di lavoro della piattaforma, offrire suggerimenti lungo il percorso e porre domande stimolanti che ti aiuteranno a continuare a inquadrare il tuo problema e gli approcci a una soluzione.
2. Se sei davvero tutto solo e non hai altre risorse tecniche disponibili per un flusso di lavoro dettagliato per quello che sto suggerendo, ti consiglio di guardare questo blog JMP e il video scritto dal mio ex collega (sono in pensione) @robert_anderson . Il post del blog mostra il flusso di lavoro di base e offre alcune indicazioni sulla navigazione nell'ecosistema JMP per rendere operativo il flusso di lavoro che sto suggerendo. Ecco un link al post del blog: Trovare le migliori condizioni operative di processo utilizzando 2 approcci di ottimizzazione
Re: R quadrato molto alto e significativo problema di mancanza di adattamentoGrazie mille SIG. Bartell, ti vedo indicare ed è molto logico. comprare non riesco a capire esattamente il tuo suggerimento sulla simulazione Monte Carlo. Potresti spiegarmelo in dettaglio?Re: R quadrato molto alto e significativo problema di mancanza di adattamento@Ella Se il tuo 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 contributo maggiore alla variazione residua in questo spazio sia dovuto a cambiamenti di fattori... non a LOF. Dai un'occhiata al grafico residuo nelle vicinanze di 0,35 e 0,36 per vedere il mio punto. Ecco un pensiero di follow-up per te:
Suggerisco di portare l'analisi fino in fondo al Prediction Profiler di JMP e quindi di utilizzare le funzionalità di ottimizzazione della desiderabilità e della desiderabilità di JMP per trovare un ottimale dello spazio dei fattori centrato su 0,355 con limiti superiori e inferiori della funzione di desiderabilità di JMP a 0,35 e 0,36. Quindi, se si dispone di una certa conoscenza del processo di quanto aspettarsi che i fattori varino in corrispondenza di tali raccomandazioni/ottimi dei fattori, eseguire una simulazione Monte Carlo all'interno del Prediction Profiler per vedere qual è la variazione nella risposta. Se la tua variazione del fattore simulato nella simulazione è relativamente grande, allora LOF sarà l'ultimo dei tuoi problemi.
Ri: R quadrato molto alto e significativo problema di mancanza di adattamentoLa ragione esatta di LOF è una varianza molto piccola dei replicati, come si vede anche nel puro valore di errore.
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.Re: R quadrato molto alto e significativo problema di mancanza di adattamentoConcordo con tutto ciò @Dan_Obermiller ha contribuito. Dal tuo grafico residuo 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 prendere in considerazione... qual è lo scopo dell'esperimento/studio? Se si tratta di una previsione nello spazio dei fattori, quanto influisce l'entità dell'errore di previsione nello spazio sperimentale da un punto di vista PRATICO? Se fa poca differenza pratica, allora, francamente, non potrebbe importarmi di meno che tu abbia LOF.
Ri: R quadrato molto alto e significativo problema di mancanza di adattamentoGrazie mille Dan,
Sto affrontando esattamente tutti i problemi che hai dichiarato.
problema di normalità in termini di errore, penso che abbia una certa tendenza nel mio termine di errore (se hai un'opinione diversa per favore condividi con me) e una variazione di errore puro molto molto piccola.
Se ridisegno l'esperimento e includo il termine cubico 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 creo DOE ed eseguo esperimenti. Immagino che questo non causi questo problema, giusto?)
Re: R quadrato molto alto e significativo problema di mancanza di adattamentoUn test di mancanza di adattamento 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 che stai utilizzando non è appropriato per i dati.
Considera questa immagine:
Un alto valore RSquare, ma una significativa mancanza di adattamento perché una linea retta non descrive la relazione. Ricorda che un alto RSquare di per sé non significa che hai un buon modello. Un alto RSquare 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 residua, ecc. per determinare se si dispone di un buon modello.
Quindi consiglierei di tracciare i residui del modello per vedere se ci sono schemi. Uno schema indicherebbe cosa potrebbe esserci di sbagliato nella tua attuale forma del modello. Verificare inoltre 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 mancanza significativa di fit test se i punti replicati hanno una varianza estremamente bassa piuttosto che la forma del modello non è corretta. Questo non accade così 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.
Ri: R quadrato molto alto e significativo problema di mancanza di adattamentoÈ possibile condividere i dati e lo script?
