严重缺乏体魄大家好，感谢您的宝贵时间和答复。 我使用主要效果，交互作用（有时甚至是二阶）建立了一个模型。 我使用了标准最小二乘法和60％的数据。 大约20％用于验证，而20％用于测试集。
R2，adj R2以及用于验证和测试集的R2约占98-99％。 VIF都在1到2之间。
唯一的问题是我严重缺乏体魄。
我在这里可以做什么？ 我可以忽略LoF吗？
PS：我注意到当我从GenReg中找到一个模型（修剪或套索等），并使用其模型术语并在Standard Least Square中对其进行尝试时，我得到的模型几乎相同，但严重缺乏拟合度。 这是否意味着在GenReg中未将其考虑在内？
分析工具回复：严重缺乏适应重要的LOF可能来自多种来源。 几个问题：
1.您的剩余图是否提供了LOF来源的一些线索？ 这些图是否显示任何非随机结构或可疑模式？
2.该模型的目的是什么？ 是解释性的还是预测性的？ 如果可以解释的话，LOF可能不会有问题。 如果是预测性的，那么与预测“错误”的大小相比，LOF条件会在多大程度上影响模型的效用，从而在整个因子空间中进行预测。 如果预测的错误程度实际上没有影响，那么我不会担心使用具有显着LOF的模型。
回复：严重缺乏适应感谢您的快速回复@P_Bartell 。 请参见所附图片以了解残差。 我不认为它们看起来有问题吗？
目前和不久的将来，该模型都将用于两种优化。 预测的错误不会太有影响力。
回复：严重缺乏适应残差与预测变量图如何显示？ 这可能暗示缺少模型中的术语或效果。 并显示剩余与运行顺序（如果您运行了设计的实验）？ 这可能表明可能已经进入实验执行事件的非稳定方差或其他潜伏变量影响，这也可能导致LOF。
从预测图与残差图的外观来看，LOF的主要原因是大多数重复点的变化相对较小。 与LOF方差分析中的LOF误差项相比，这使Pure Error项非常小，并且更有可能出现“显着的LOF” p值。
当您声明实际值与预测值之间的差异的大小实际上并不重要时，因此，如果仍可以将模型用于其预期目的...那么，您就拥有了LOF。 谁在乎？
回复：严重缺乏适应再次感谢您的好意答复@P_Bartell ，我同意大多数重复点的变化相对较小。
为了回答您的问题，我提供了另一个屏幕截图。
