Modellauswahl schrittweiseHallo,
Ich habe eine Reihe biologischer Parameter auf eine biologische Reaktion mit einem DSD untersucht. Ich führe eine schrittweise Vorwärtsregression AICc durch und bei einem p-Wert unter 0,05 sehe ich, dass nur einer oder maximal zwei meiner Parameter signifikant werden, aber darüber hinaus (z. B. bei etwa 0,1 oder 0,2) tauchen mehrere andere als signifikant auf, und wenn Wenn ich sie entferne, verringert sich der R-Quadrat-Wert. Bei einigen Modellen sehe ich weder Cp- noch R-Quadrat-Werte, da es sich hauptsächlich um die letzten Modelle handelt, die die Software nach der Anpassung anzeigt. Meine Fragen lauten also: 1- Ist es richtig, diese Modelle ohne Cp- und R-Quadrat-Werte auszuschließen? 2-In der Literatur fehlen für meine Antwort genügend Informationen über die Beziehung zwischen Parametern, aber es gibt vielleicht einige, die ich gerne mit dem Modell verstehen würde. Ich habe auf Multikollinearität geprüft und der VIF-Wert liegt bei etwa 1 bis 2 (nicht hoch), aber mir ist nicht klar, wie ich meine Ergebnisse interpretieren kann und ob ich mein Modell auf einen p-Wert unter oder über 0,05 beschränken soll?
Als Anfänger würde ich mich über jede Hilfe freuen!
Qualitäts- und VerfahrenstechnikBetreff: Modellauswahl – schrittweiseDie Fit Definitive Screening-Methode basiert auf der einzigartigen Faltstruktur der Behandlungen. Ich verlasse mich auch darauf, dass die Schlüsselprinzipien des Screenings gut funktionieren. Es ist möglich, alle Interaktionseffekte erster und zweiter Ordnung sowie Zwei-Faktor-Interaktionseffekte zu testen, jedoch nicht gleichzeitig (Hauptprinzip: Sparsität der Effekte). Der DSD ist zu klein, um ein Modell mit Termen für alle diese Effekte gleichzeitig anzupassen. Es nutzt einen ausgeklügelten Ansatz, um die aktiven Effekte herauszuarbeiten, bevor die Daten (Freiheitsgrade) ausgeschöpft werden.
Das vollständige faktorielle Modell enthält keine Terme zweiter Ordnung für nichtlineare Effekte. Könnten in Ihrer Antwort nichtlineare Effekte auftreten? Haben Sie einen fehlenden Anpassungstest durchgeführt, um auf Verzerrungen (fehlende Effekte) zu prüfen?
Meine Frage, die Sie verwirrt hat, betrifft die relative Größe der tatsächlichen Effekte, die Sie zu finden hoffen, im Vergleich zu den zufälligen Effekten auf die Antwort. Ihr geschätzter RMSE liegt bei 4–6, Sie werden also wahrscheinlich echte Effekte feststellen, die mindestens 2–3 Mal so groß sind. Haben Sie zusätzliche Läufe einbezogen? Die empfohlene Anzahl zusätzlicher Läufe verbessert die statistische Aussagekraft des Designs erheblich. Ist eine echte Änderung der Antwort auf 12-18 möglich? Ist es sinnvoll?
Betreff: Modellauswahl – schrittweiseHallo @statman . Vielen Dank, wie ich in meiner Antwort an Mark erwähnt habe, habe ich in allen meinen 17 Läufen niedrigere Werte im Vergleich zu meiner Kontrolle erhalten.
Betreff: Modellauswahl – schrittweiseHallo @Mark_Bailey . Danke für Ihre Antwort. Ich habe 5 Faktoren und habe „Fit Definitive Screening“ verwendet und mir den Profiler und die Residuendiagramme angesehen. Aber unabhängig von diesen Ergebnissen habe ich diese schrittweise Modellierung erneut für eine vollständige Fakultät durchgeführt, da ich dachte, ich würde dadurch ein besseres Verständnis erlangen. Die RMSEs variieren zwischen 4 und 6. Mein maximaler Wunschwert war zunächst auf 40 festgelegt.
Entschuldigung, ich habe die Frage nicht verstanden“ Wie verhält sich dieser Wert im Vergleich zur erwarteten Änderung der Reaktion aufgrund eines tatsächlichen Effekts?“ Aber im Allgemeinen habe ich beim Vergleich aller meiner 17 Läufe mit einem Kontrolllauf, der keinen dieser Faktoren aufwies, niedrigere Werte erhalten. Da alle Materialien teuer waren, konnte ich im Vorfeld leider keinen Scoping-Entwurf erstellen.
Betreff: Modellauswahl – schrittweiseSowohl Mark als auch Pete haben tolle Fragen und tolle Ratschläge. Ich werde Ihrer Untersuchung nur einige praktische Anmerkungen hinzufügen. Sind die Daten sinnvoll? Hat sich die Antwortvariable um einen praktischen Betrag geändert? Haben Sie die Daten grafisch dargestellt?
Betreff: Modellauswahl – schrittweiseUm etwas hinzuzufügen @Mark_Bailey Denken Sie daran, dass Sie ein Screening-Design erstellt haben. Diese Art von Entwürfen ist in der Regel Teil eines größeren strategischen Wegs zum Lernen oder Treffen einer Entscheidung. Eines der Hauptziele eines Screening-Designs besteht darin, aktive oder interessante Effekte abzuschätzen, die einer weiteren Untersuchung wert sind. Die Betonung liegt hier auf „weiterführendes Studium“. Ich versuche, mich nicht zu sehr auf Dinge wie kritische p-Werte oder die Modellierung statistischer Diagnosen einzulassen, um Entscheidungen zu treffen, die über die Frage „Soll ich diese Faktoren in weitere Studien einbeziehen?“ hinausgehen. In dieser Phase Ihrer größeren Problemlösungsbemühungen möchten Sie möglicherweise weiterhin Faktoren oder Effekte einbeziehen, die in der Nähe der von Ihnen verwendeten kritischen p-Werte oder Regressionsdiagnosen liegen. Behalten Sie diese Faktoren in der Studie bei ... Fahren Sie mit der Studie mit DOE-Methoden fort. Lassen Sie sich bei der gesamten Untersuchung von den zusätzlichen Elementen und der Analyse leiten.
Betreff: Modellauswahl – schrittweiseWie viele Faktoren haben Sie?
Haben Sie versucht, ein Modell auszuwählen, indem Sie „DOE“ > „Definitives Screening“ > „Fit Definitive Screening“ ausgewählt oder das Tabellenskript „Fit Definitive Screening“ ausgeführt haben?
Wie hoch ist der geschätzte RMSE für Ihre Antwort mit dem bisher besten Modell? Wie verhält sich dieser Wert im Vergleich zur erwarteten Änderung der Reaktion aufgrund eines realen Effekts?
