成功執行普通最小二乘法 - 下一步是什麼？你好，
這是我正在使用的數據集片段的圖片：
p 和 k 被假定為因變量，取決於其餘參數。 我的目標是獲得最好的多項式 p = f(x1,x2,x3...) 來模擬我的數據之間的關係。 x 也一樣。
到目前為止，我遵循了一個關於如何執行 OLS 的千篇一律的教程，並為我的數據獲得了一個非常基本的線性多項式。 形容詞 RSquared 最終約為 0.18，這非常糟糕。 我想改善這個！
我幾乎沒有統計經驗 - 所以有人可以為我指出正確的方向來學習如何改進我已經擁有的多項式。 在之前的帖子中，一位評論者提到了轉換我的數據。 我做了一些搜索，但無法找出確定要執行哪些轉換以改進多項式的最佳方法。
感謝您的時間！
聚苯乙烯 如果有人願意在大約 30 分鐘內不和諧屏幕共享以快速與我合作並教我相關的 JMP/統計信息，以便我可以學習解決我的問題，我會補償你的時間。
分析回复：成功執行普通最小二乘法 - 下一步是什麼？歡迎來到 JMP 社區。 我不明白您的情況，但聽起來您正在嘗試僅基於數據構建模型？ 您沒有提供有關如何獲取數據的任何信息。現在我看到您在同一主題上啟動了多個線程？？？
以下是我開發模型的想法：
1. 在收集任何數據之前，根據科學提出假設，解釋為什麼自變量和因變量之間會存在潛在的因果關係。
2. 設計多個抽樣計劃或實驗，以深入了解這些假設，考慮到每個假設所需的資源如何變化、可以估計哪些影響、哪些會被混淆以及哪些會受到限制。
3. 預測此類數據收集策略的所有可能結果以及您將為每個預測採取什麼行動。 然後選擇一種在知識獲取與資源投資之間取得平衡的方法。
4. 收集數據並記錄任何感興趣的觀察結果並進行分析。 始終實用，然後是圖形，最後是定量。
數據的獲取方式會影響您構建模型的方式。 例如，當數據來自實驗時，我通常會採用減法方法（從飽和模型開始並刪除術語，注意從工程或科學的角度來看是否合理？， Rsquare-Rsquare 調整後的 delta、RMSE、p 值和殘差）。 如果它來自嵌套研究，我會從底部開始，然後向上工作。 如果它只是觀察數據，我可能會採用更多的附加方法（例如，從一階開始並添加項的逐步方法），當然您需要擔心多重共線性。
回复：成功執行普通最小二乘法 - 下一步是什麼？非常感謝您的想法，
我只開始了多個線程，因為在發布我的第一個線程並得到回復後，在我了解更多之後，我的問題的方向似乎發生了變化。 我為此道歉。
我的數據完全是觀察性的，並且僅通過測量收集。 我想我最大的問題是我沒有統計經驗，所以不幸的是，你所說的很多內容對我來說都沒有任何意義，我主要是希望為改進模型的程序指明正確的方向僅數據。 看起來這可能比我最初預期的要復雜得多...... 我一直在學習。
回复：成功執行普通最小二乘法 - 下一步是什麼？你好@mben
如果您需要個人支持，請隨時給我發送私信。
羅恩
