你好，
我们有一家制药公司，需要我们提供一些文档（书面论文，科学出版物等）来证明他们使用的建模技术是正确的（取决于他们使用套索的输出，正向选择，两阶段正向选择）。 目前，我建议基于AICc的选择是正确的理由，但想知道我们是否有一些文档资料可以帮助他们。
伊曼纽尔
@clay_barker
有关使用AICc的信息，伯纳姆和安德森（Burnham）和安德森（Anderson）的著作《模型选择和多模型推断》非常出色。在书中，他们解释了AICc如何非常灵活地指导您决定要包括哪些变量/效应，还可以指导有关要使用哪种响应分布的决策。他们有您可以订购的书，但是作者们还可以免费获得传达相同信息的专着。
一件非常未被重视的事情是经典过程，尤其是p值，尤其是对于模型选择的指导性很差。 原因很多。 一个是p值做出了一个关键假设，即所测试的模型是计划进行研究时打算使用的唯一模型。 一旦对模型进行了第一次更改，从套索到向前选择，再到通过消除具有“大” p值的项进行的手动向后选择的任何选择过程都违反了这一假设。使用选择算法对模型进行一次更改后，便不再定义p值的行为。
另一个主要问题是p值不能用于比较未排序的模型，因为一个模型是另一个模型的简化或特殊情况（例如一个模型与另一个模型相同，但是某些系数设置为零） ）。因此，使用基于p值的方法无法将具有两个主要效果且它们之间具有相互作用的模型与具有三个主要效果且没有相互作用的模型进行比较，因为一个模型不包含另一个模型。
一个非常重要且未得到充分认识的缺陷是，您不能使用p值比较不同的分布。 例如，如果数据严格为正，则除了最小二乘拟合外，还应考虑伽玛和对数正态分布。 响应的“正值”意味着在数学上必须存在有效的曲率项，其中均值较小，且最小二乘方拟合，但是这些非正态分布可以在不需要曲率的情况下将边界处理为零。 因此，通过拟合具有不同响应分布的模型，通常可以用更少的术语来更好地拟合。 使用AICc（和/或BIC）来指导有关响应具有哪种分布以及重要影响的决策在统计上是合理的，并且易于从业人员通过最少的培训就可以利用。
最后一个选择发行版的问题很重要，并且需要一些补充说明。 一种是响应分布*必须*与效果结构并行确定。 首先使用分发平台来决定分发，忽略影响，然后转到GenReg根据分发的建议来决定效果结构，这是一个“重大”错误。 克莱·巴克（Clay Barker）对此进行了探索演讲。 例如，假设您有两个等级因子，并且等级之间的均值确实存在差异。 分布平台将告诉您响应分布是高斯2混合物。 但是，一旦将因素纳入模型，高斯（非混合）分布很可能是正确的响应。
第二个方面是使用分布作为解决原则的更原则的方法，该问题以前是通过转换响应来确定的。在过去，您尝试在自然尺度上进行建模，然后在对数转换后的尺度上进行建模，然后基于诊断图进行某种决策，而不进行决策。 您无法在两个尺度上比较模型的SSE，因为它们的单位不同，这意味着RSquares也是不可比的。 另一方面，在正态分布上使用正向选择和AICc（这是说最小二乘的另一种方式），然后使用logNormal分布执行相同的操作，然后使用AICc。
无论如何，伯纳姆和安德森都阐明了许多这些概念，以及它们比较AICc的经验法则的理由。本书适用于具有科学或工程学学位的人。 作者是生态学家。 因此，对于大多数JMP用户而言，它应该是可以理解的，并且它不是神秘的理论统计数据的摘要。
也许要添加这个话题，他们需要通过GenReg分析他们的DOE，并为客户和当局证明他们为什么要使用这种方法进行DOE分析，如Emmanuel所说，例如将Lasso用于RSM DOE。 他们为什么在Forward或Elastic net上使用Lasso。
有没有可以引用的出版物，因此他们可以将本文参考文献和分析结果一起提交？
@clay_barker @ chris_gotwalt1
