Significativa mancanza di adattamentoCiao a tutti, apprezzo il vostro tempo e la vostra 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 il LoF?
PS: ho notato che quando trovo un modello da GenReg (potato o Lasso, ecc.) e uso i suoi termini di 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?
Modellazione predittiva e machine learningRe: 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.
Re: Significativa mancanza di adattamentoCome appaiono i grafici dei residui rispetto alle variabili predittive? Questo può essere un indizio di termini o effetti mancanti nel modello. E viene visualizzato l'ordine residuo rispetto a quello di esecuzione (se hai eseguito un esperimento progettato)? Ciò può indicare una varianza non stabile o qualche altro effetto di variabili nascoste che potrebbe essere entrato nell'evento di esecuzione sperimentale che potrebbe anche portare a LOF.
Dall'aspetto del grafico Previsto vs. Residuo, penso 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 davvero piccolo rispetto al termine di errore LOF nel LOF ANOVA e rende più probabile un valore p "LOF significativo".
Come dici, l'entità della differenza tra i valori effettivi e quelli previsti non è praticamente significativa, quindi se il modello può ancora essere utilizzato per lo scopo previsto... vabbè, hai LOF. Che importa?
Re: Significativa mancanza di adattamentoGrazie per la risposta rapida @P_Bartell . Per i residui vedere l'immagine allegata. Non penso che sembrino problematici?!
Il modello verrà utilizzato per entrambe le ottimizzazioni, attualmente e nel prossimo futuro per le previsioni. L’errata previsione non avrà un grande impatto.
Re: Significativa mancanza di adattamentoUn LOF significativo può derivare da una varietà di fonti. Alcune domande:
1. I tuoi appezzamenti residui forniscono qualche indizio sulla fonte di LOF? I grafici mostrano strutture non casuali o schemi sospetti?
2. Qual è lo scopo del modello? Esplicativo o predittivo? Se è esplicativo, LOF probabilmente non è così problematico. Se è predittivo, quanto incide la condizione LOF sull'utilità del modello di fare previsioni nello spazio dei fattori rispetto all'entità dell'"errore" delle previsioni. Se l'entità dell'erroneità delle previsioni non avesse un impatto pratico, non sarei così preoccupato di convivere con un modello che ha un LOF significativo.
