Manque d'ajustement importantSalut à tous, j'apprécie votre temps et votre réponse. J'ai construit un modèle en utilisant des effets principaux, des interactions et parfois des 2e ordres. J'ai utilisé les moindres carrés standard et 60% des données. Environ 20% sont utilisés pour la validation et 20% pour les ensembles de test.
R2, adj R2 et ceux des ensembles de validation et de test sont tous d'environ 98 à 99%. Les VIF sont tous compris entre 1 et 2.
Le seul problème est que j'ai un manque d'ajustement important.
Que puis-je faire ici? Puis-je ignorer le LoF?
PS: J'ai remarqué que lorsque je trouve un modèle de GenReg (élagué ou Lasso, etc.) et que j'utilise ses termes de modèle et que je les essaie en Standard Least Square, j'obtiens presque le même modèle et avec un manque d'ajustement important. Cela signifie-t-il qu'il n'est pas pris en compte dans GenReg?
AnalytiqueRe: Manque d'ajustement importantUn LOF important peut provenir de diverses sources. Quelques questions:
1. Vos graphiques résiduels donnent-ils des indices sur la source de la LOF? Les graphiques montrent-ils une structure non aléatoire ou des modèles suspects?
2. Quel est le but du modèle? Explicatif ou prédiction? Si c'est explicatif, LOF n'est probablement pas aussi problématique. Si elle est prédictive, dans quelle mesure la condition LOF a-t-elle un impact sur l'utilité du modèle pour faire des prédictions dans l'espace des facteurs par rapport à l'ampleur de la «fausse» des prédictions. Si l'ampleur du caractère erroné des prédictions n'a pratiquement pas d'impact, je ne serais pas aussi inquiet de vivre avec un modèle qui a un LOF significatif.
Re: Manque d'ajustement importantMerci pour la réponse rapide @P_Bartell . Veuillez consulter l'image ci-jointe pour les résidus. Je ne pense pas qu'ils semblent problématiques?!
Le modèle va être utilisé pour les deux optimisations, actuellement et dans un proche avenir pour les prédictions. Le caractère erroné de la prédiction ne sera pas trop percutant.
Re: Manque d'ajustement importantComment apparaissent les graphiques des valeurs résiduelles par rapport aux variables prédictives? Cela peut indiquer des termes ou des effets manquants dans le modèle. Et l'ordre résiduel par rapport à l'ordre d'exécution (si vous avez exécuté une expérience conçue) apparaît? Cela peut indiquer une variance non stable ou un autre effet de variables cachées qui peut être entré dans l'événement d'exécution expérimentale, ce qui pourrait également conduire à un LOF.
D'après l'apparence de votre graphique prédite par rapport aux valeurs résiduelles, il me semble que la cause principale de la LOF est une variance relativement faible pour la plupart des points répliqués. Cela rend un très petit terme d'erreur pure par rapport au terme d'erreur LOF dans l'ANOVA LOF et rend une valeur p "LOF significative" plus probable.
Comme vous indiquez l'ampleur de la différence entre les valeurs réelles et prévues n'est pas pratiquement significative, donc si le modèle peut toujours être utilisé pour son usage prévu ... eh bien, vous êtes LOF. On s'en fout?
Re: Manque d'ajustement importantMerci encore pour la gentille réponse @P_Bartell , Je suis d'accord avec le variance relativement faible pour la plupart des points répliqués.
Pour répondre à vos questions, j'ai inclus une autre capture d'écran.
