Erheblicher Mangel an PassformHallo zusammen, ich schätze Ihre Zeit und Antwort. Ich habe ein Modell erstellt, das Haupteffekte, Interaktionen und manchmal auch 2. Ordnung verwendet. Ich habe Standard-Kleinste-Quadrate und 60 % der Daten verwendet. Etwa 20 % werden für die Validierung und 20 % für Testsätze verwendet.
R2, Adj R2 und die für Validierungs- und Testsätze liegen alle bei etwa 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 tun? Kann ich die LoF ignorieren?
PS: Mir ist aufgefallen, dass ich, wenn ich ein Modell aus GenReg (beschnitten oder Lasso usw.) finde und seine Modellbegriffe verwende und sie in Standard Least Square ausprobiere, fast dasselbe Modell erhalte, allerdings mit einem deutlichen Mangel an Passung. Bedeutet das, dass es in GenReg nicht berücksichtigt wird?
Prädiktive Modellierung und maschinelles LernenBetreff: Erheblicher Mangel an PassformNochmals vielen Dank für die freundliche Antwort @P_Bartell , ich stimme dem zu relativ geringe Varianz für die meisten Replikatpunkte.
Um Ihre Fragen zu beantworten, habe ich einen weiteren Screenshot beigefügt.
Betreff: Erheblicher Mangel an PassformWie sehen die Darstellungen der Residuen gegenüber den Prädiktorvariablen aus? Dies kann ein Hinweis auf fehlende Begriffe oder Effekte im Modell sein. Und die Residuen vs. Durchlaufreihenfolge (wenn Sie ein geplantes Experiment durchgeführt haben) werden angezeigt? Dies kann auf eine instabile Varianz oder einen anderen lauernden Variableneffekt hinweisen, der möglicherweise in das experimentelle Ausführungsereignis eingetreten ist und ebenfalls zu LOF führen könnte.
Aus dem Aussehen Ihres vorhergesagten vs. Restdiagramms geht hervor, dass die Hauptursache für den LOF eine relativ kleine Varianz für die meisten Replikationspunkte ist. Dies ergibt einen wirklich kleinen reinen Fehlerterm im Vergleich zum LOF-Fehlerterm in der LOF-ANOVA und macht einen „signifikanten LOF“-p-Wert wahrscheinlicher.
Wie Sie sagen, ist die Größe des Unterschieds zwischen den tatsächlichen und den vorhergesagten Werten praktisch nicht signifikant. Wenn das Modell also noch für seinen beabsichtigten Zweck verwendet werden kann ... na ja, Sie haben LOF. Wen interessiert das?
Betreff: Erheblicher Mangel an PassformDanke für die schnelle Antwort @P_Bartell . Die Restbestände entnehmen Sie bitte dem beigefügten Bild. Ich glaube nicht, dass sie problematisch aussehen?!
Das Modell wird derzeit sowohl für Optimierungen als auch in naher Zukunft für Vorhersagen verwendet. Die Falschheit der Vorhersage wird keine allzu großen Auswirkungen haben.
Betreff: Erheblicher Mangel an PassformEin erheblicher LOF kann aus verschiedenen Quellen entstehen. Ein paar Fragen:
1. Geben Ihre Residualdiagramme Hinweise auf die Quelle des LOF? Zeigen die Diagramme eine nicht zufällige Struktur oder verdächtige Muster?
2. Was ist der Zweck des Modells? Erklärend oder prognostizierend? Wenn es erklärend ist, ist LOF wahrscheinlich nicht so problematisch. Wenn es prädiktiv ist, wie stark wirkt sich die LOF-Bedingung auf den Nutzen des Modells aus, um Vorhersagen im gesamten Faktorraum zu treffen, verglichen mit dem Ausmaß der „Falschheit“ der Vorhersagen? Wenn das Ausmaß der Falschheit der Vorhersagen keine praktischen Auswirkungen hat, würde ich mir nicht so große Sorgen machen, mit einem Modell zu leben, das einen signifikanten LOF aufweist.
