Falta significativa de ajusteHola a todos, agradezco su tiempo y respuesta. He construido un modelo usando efectos principales, interacciones y, a veces, segundos órdenes. He utilizado mínimos cuadrados estándar y el 60% de los datos. Aproximadamente el 20% se utiliza para validación y el 20% para conjuntos de prueba.
R2, R2 adj y aquellos para conjuntos de validación y prueba son 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: Me di cuenta de que cuando encuentro un modelo de GenReg (podado o Lasso, etc.) y uso los términos de su modelo y los pruebo en Mínimos Cuadrados Estándar, obtengo casi el mismo modelo y con una falta de ajuste significativa. ¿Eso significa que no se tiene en cuenta en GenReg?
Modelado predictivo y aprendizaje automáticoRe: Falta significativa de ajusteGracias de nuevo por la amable respuesta. @P_Bartell , estoy de acuerdo con el variación relativamente pequeña para la mayoría de los puntos replicados.
Para responder a sus preguntas, he incluido otra captura de pantalla.
Re: Falta significativa de ajuste¿Cómo aparecen los gráficos de residuos versus variables predictoras? Esto puede ser un indicio de que faltan términos o efectos en el modelo. ¿Y aparece el orden residual versus el orden de ejecución (si ejecutó un experimento diseñado)? Esto puede indicar una varianza no estable o algún otro efecto de variable oculta que puede haber entrado en el evento de ejecución experimental y que también podría conducir a LOF.
Por el aspecto de su gráfico Predicho versus Residual, creo que la causa principal del LOF es una variación relativamente pequeña para la mayoría de los puntos replicados. Esto genera un término de error puro realmente pequeño frente al término de error LOF en el ANOVA LOF y hace que un valor p 'LOF significativo' sea más probable.
Como usted indica, la magnitud de la diferencia entre los valores reales y predichos 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 significativa de ajusteGracias por la rápida respuesta @P_Bartell . Consulte la imagen adjunta para ver los residuos. ¡¿No creo que parezcan problemáticos?!
El modelo se utilizará para optimizaciones, actualmente, y en un futuro próximo para predicciones. El error de la predicción no tendrá demasiado impacto.
Re: Falta significativa de ajusteUna LOF significativa puede surgir de una variedad de fuentes. Unas cuantas preguntas:
1. ¿Sus gráficos residuales dan algunas pistas sobre el origen del LOF? ¿Muestran los gráficos 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 impacta la condición LOF en la utilidad del modelo para hacer predicciones en todo el espacio factorial en comparación con la magnitud de la "incorrección" de las predicciones? Si la magnitud del error de las predicciones no tiene un impacto práctico, no me preocuparía tanto vivir con un modelo que tiene una LOF significativa.
