Signifikanter Mangel an PassformHallo zusammen, ich schätze deine Zeit und Antwort. Ich habe ein Modell mit Haupteffekten, Interaktionen und manchmal 2. Ordnung erstellt. Ich habe Standard Least Squares und 60% der Daten verwendet. Etwa 20% werden für die Validierung und 20% für Testsätze verwendet.
R2, adj R2 und diejenigen für Validierungs- und Testsätze liegen alle bei 98-99%. VIFs liegen alle zwischen 1 und 2.
Das einzige Problem ist, dass ich einen erheblichen Mangel an Passform habe.
Was kann ich hier machen? Kann ich den LoF ignorieren?
PS: Mir ist aufgefallen, dass ich fast das gleiche Modell mit einem signifikanten Mangel an Passform erhalte, wenn ich ein Modell von GenReg finde (beschnitten oder Lasso usw.) und seine Modellbegriffe verwende und sie im Standard Least Square ausprobiere. Bedeutet das, dass es in GenReg nicht berücksichtigt wird?
AnalytikBetreff: Signifikanter Mangel an PassformEin signifikanter LOF kann aus einer Vielzahl von Quellen stammen. Ein paar Fragen:
1. Geben Ihre Residuendiagramme Hinweise auf die LOF-Quelle? Zeigen die Diagramme eine nicht zufällige Struktur oder verdächtige Muster?
2. Was ist der Zweck des Modells? Erklärung oder Vorhersage? Wenn es erklärend ist, ist LOF wahrscheinlich nicht so problematisch. Wenn es prädiktiv ist, wie stark wirkt sich die LOF-Bedingung auf die Nützlichkeit des Modells aus, um Vorhersagen über den Faktorraum im Vergleich zur Größe der „Unrichtigkeit“ der Vorhersagen zu treffen. Wenn das Ausmaß der Falschheit der Vorhersagen praktisch keine Auswirkungen hat, wäre ich nicht so besorgt darüber, mit einem Modell zu leben, das einen signifikanten LOF aufweist.
Betreff: Signifikanter Mangel an PassformDanke für die schnelle Antwort @P_Bartell . Die Residuen entnehmen Sie bitte dem beigefügten Bild. Ich denke nicht, dass sie problematisch aussehen?!
Das Modell wird derzeit und in naher Zukunft für beide Optimierungen für Vorhersagen verwendet. Die Falschheit der Vorhersage wird nicht zu wirkungsvoll sein.
Betreff: Signifikanter Mangel an PassformWie erscheinen die Diagramme der Residuen gegenüber den Prädiktorvariablen? Dies kann ein Hinweis auf fehlende Begriffe oder Effekte im Modell sein. Und die Rest- / Ausführungsreihenfolge (wenn Sie ein entworfenes Experiment ausgeführt haben) wird angezeigt? Dies kann auf eine nicht stabile Varianz oder einen anderen Effekt lauernder Variablen hinweisen, der möglicherweise in das experimentelle Ausführungsereignis eingetreten ist und ebenfalls zu LOF führen kann.
Nach dem Aussehen Ihres Diagramms "Prognostiziert vs. Rest" ist die Hauptursache für den LOF eine relativ kleine Varianz für die meisten Replikationspunkte. Dies macht einen wirklich kleinen Pure Error-Term im Vergleich zum LOF-Fehlerterm in der LOF-ANOVA und macht einen 'signifikanten LOF'-p-Wert wahrscheinlicher.
Wie Sie sagen, ist die Größe der Differenz zwischen den tatsächlichen und den vorhergesagten Werten praktisch nicht signifikant. Wenn das Modell also noch für den beabsichtigten Zweck verwendet werden kann ... na ja, Sie haben LOF. Wen interessiert das?
Betreff: Signifikanter Mangel an PassformNochmals vielen Dank für die freundliche Antwort @P_Bartell Ich stimme dem zu relativ kleine Varianz für die meisten Replikationspunkte.
Um Ihre Fragen zu beantworten, habe ich einen weiteren Screenshot beigefügt.
