嚴重缺乏體魄大家好，感謝您的寶貴時間和答复。 我使用主要效果，交互作用（有時甚至是二階）建立了一個模型。 我使用了標準最小二乘法和60％的數據。 大約20％用於驗證，而20％用於測試集。
R2，adj R2以及用於驗證和測試集的R2約佔98-99％。 VIF都在1到2之間。
唯一的問題是我嚴重缺乏體魄。
我在這裡可以做什麼？ 我可以忽略LoF嗎？
PS：我注意到當我從GenReg中找到一個模型（修剪或套索等）並且使用其模型術語並在Standard Least Square中嘗試它們時，我得到的模型幾乎相同，但嚴重缺乏擬合度。 這是否意味著在GenReg中未將其考慮在內？
分析工具回复：嚴重缺乏適應重要的LOF可能來自多種來源。 幾個問題：
1.您的剩餘圖是否提供了有關LOF來源的一些線索？ 這些圖是否顯示任何非隨機結構或可疑模式？
2.該模型的目的是什麼？ 是解釋性的還是預測性的？ 如果可以解釋的話，LOF可能不會有問題。 如果是預測性的，那麼與預測“錯誤”的大小相比，LOF條件會在多大程度上影響模型的效用，從而跨因子空間進行預測。 如果預測的錯誤程度實際上沒有影響，那麼我不會擔心使用具有顯著LOF的模型。
回复：嚴重缺乏適應感謝您的快速回复@P_Bartell 。 請參見所附圖片以了解殘差。 我不認為它們看起來有問題嗎？
目前和不久的將來，該模型都將用於兩種優化。 預測的錯誤不會太有影響力。
回复：嚴重缺乏適應殘差與預測變量圖如何顯示？ 這可能暗示缺少模型中的術語或效果。 出現剩餘與運行順序（如果您進行了設計的實驗）？ 這可能表明可能已經進入實驗執行事件的非穩定方差或其他潛伏變量影響，這也可能導致LOF。
從預測圖與殘差圖的外觀來看，LOF的主要原因是大多數重複點的變化相對較小。 與LOF方差分析中的LOF誤差項相比，這使Pure Error項非常小，並且更有可能出現“顯著LOF” p值。
當您聲明實際值與預測值之間的差異的大小實際上並不重要時，因此，如果仍可以將模型用於其預期目的...那麼，您就擁有了LOF。 誰在乎？
回复：嚴重缺乏適應再次感謝您的好意答复@P_Bartell ，我同意大多數重複點的變化相對較小。
為了回答您的問題，我提供了另一個屏幕截圖。
