Falta de ajuste significativaHola a todos, agradezco su tiempo y respuesta. He construido un modelo utilizando efectos principales, interacciones y, a veces, de segundo orden. He utilizado mínimos cuadrados estándar y el 60% de los datos. Aproximadamente el 20% se utiliza para validación y el 20% para equipos de prueba.
R2, R2 adj, y los de validación y conjuntos de prueba son todos alrededor del 98-99%. Los VIF están todos entre 1 y 2.
El único problema es que tengo una falta significativa de ajuste.
¿Qué puedo hacer aquí? ¿Puedo ignorar la LoF?
PD: Noté que cuando encuentro un modelo de GenReg (podado o Lasso, etc.) y utilizo sus términos de modelo y los pruebo en Standard Least Square, obtengo casi el mismo modelo y con una falta de ajuste significativa. ¿Eso significa que no se tiene en cuenta en GenReg?
AnalíticaRe: falta de ajuste significativaUna LOF significativa puede provenir de una variedad de fuentes. Unas cuantas preguntas:
1. ¿Sus gráficos de residuos dan algunas pistas sobre la fuente de LOF? ¿Las gráficas muestran alguna estructura no aleatoria o patrones sospechosos?
2. ¿Cuál es el propósito del modelo? ¿Explicativo o predicción? Si es explicativo, LOF probablemente no sea tan problemático. Si es predictivo, ¿cuánto afecta la condición LOF a la utilidad del modelo para hacer predicciones en el espacio de factores en comparación con la magnitud de la "incorrección" de las predicciones? Si la magnitud de la incorrección de las predicciones no es prácticamente impactante, no estaría tan preocupado por vivir con un modelo que tiene un LOF significativo.
Re: falta de ajuste significativaGracias por la rápida respuesta @P_Bartell . Consulte la imagen adjunta para ver los residuos. ¡¿No creo que se vean problemáticos ?!
El modelo se utilizará para ambas optimizaciones, actualmente, y en un futuro próximo para las predicciones. Lo incorrecto de la predicción no va a tener demasiado impacto.
Re: falta de ajuste significativa¿Cómo aparecen los gráficos de residuales vs. variables predictoras? Esto puede ser un indicio de términos o efectos que faltan en el modelo. ¿Y aparece el orden residual vs. de ejecución (si ejecutó un experimento diseñado)? Esto puede indicar una varianza no estable o algún otro efecto de variables ocultas que puede haber entrado en el evento de ejecución experimental que también podría conducir a LOF.
Por el aspecto de su gráfica Predicción vs. Residual, creo que la causa principal de la LOF es una variación relativamente pequeña para la mayoría de los puntos replicados. Esto crea un término de error puro realmente pequeño frente al término de error de LOF en el ANOVA de LOF y hace que sea más probable un valor p de 'LOF significativo'.
Como indica, la magnitud de la diferencia entre los valores reales y pronosticados no es prácticamente significativa, por lo que si el modelo aún se puede usar para el propósito previsto ... bueno, tiene LOF. ¿A quién le importa?
Re: falta de ajuste significativaGracias de nuevo por la amable respuesta. @P_Bartell , Estoy de acuerdo con el varianza relativamente pequeña para la mayoría de los puntos replicados.
Para responder a sus preguntas, he incluido otra captura de pantalla.
