Significativa mancanza di adattamentoCiao a tutti, apprezzo il tuo tempo e la tua risposta. Ho costruito un modello utilizzando gli effetti principali, le interazioni e talvolta i secondi ordini. Ho utilizzato i minimi quadrati standard e il 60% dei dati. Circa il 20% viene utilizzato per la convalida e il 20% per i set di test.
R2, adj R2 e quelli per la convalida e i set di test sono tutti circa il 98-99%. I VIF sono tutti compresi tra 1 e 2.
L'unico problema è che ho una significativa mancanza di adattamento.
Cosa posso fare qui? Posso ignorare la LoF?
PS: Ho notato che quando trovo un modello da GenReg (potato o Lasso, ecc.) E uso i termini del modello e li provo in Standard Least Square, ottengo quasi lo stesso modello e con una significativa mancanza di adattamento. Ciò significa che non viene preso in considerazione in GenReg?
AnalyticsRi: Significativa mancanza di adattamentoUna LOF significativa può derivare da una varietà di fonti. Alcune domande:
1. Le tue trame residue danno qualche indizio sulla fonte di LOF? Le trame mostrano strutture non casuali o schemi sospetti?
2. Qual è lo scopo del modello? Spiegazione o previsione? Se è esplicativo, LOF probabilmente non è così problematico. Se è predittivo, quanto influisce la condizione LOF sull'utilità del modello di fare previsioni attraverso lo spazio dei fattori rispetto all'entità dell '"erroneità" delle previsioni. Se l'entità dell'erroneità delle previsioni non ha praticamente un impatto, non sarei così preoccupato di vivere con un modello che ha un LOF significativo.
Ri: Significativa mancanza di adattamentoGrazie per la risposta rapida @P_Bartell . Si prega di vedere l'immagine allegata per i residui. Non penso che sembrino problematici ?!
Il modello verrà utilizzato per entrambe le ottimizzazioni, attualmente e nel prossimo futuro per le previsioni. L'erroneità della previsione non avrà un impatto eccessivo.
Ri: Significativa mancanza di adattamentoCome vengono visualizzati i grafici dei residui e delle variabili predittive? Questo può essere un suggerimento per termini o effetti mancanti nel modello. E viene visualizzato l'ordine residuo rispetto a quello di esecuzione (se hai eseguito un esperimento progettato)? Questo può indicare una varianza non stabile o qualche altro effetto di variabili in agguato che potrebbe essere entrato nell'evento di esecuzione sperimentale che potrebbe anche portare a LOF.
Dall'aspetto del grafico Predicted vs. Residual, ritengo che la causa principale del LOF sia una varianza relativamente piccola per la maggior parte dei punti replicati. Ciò rende un termine di errore puro molto piccolo rispetto al termine di errore LOF nell'ANOVA LOF e rende più probabile un valore p "LOF significativo".
Mentre dichiari l'entità della differenza tra i valori effettivi e previsti non è praticamente significativa, quindi se il modello può ancora essere utilizzato per lo scopo previsto ... vabbè, hai LOF. Che importa?
Ri: Significativa mancanza di adattamentoGrazie ancora per la gentile risposta @P_Bartell , Sono d'accordo con il varianza relativamente piccola per la maggior parte dei punti replicati.
Per rispondere alle tue domande, ho incluso un altro screenshot.
