段階的なモデル選択こんにちは、
私は、DSD を使用して生物学的反応に関する一連の生物学的パラメーターをスクリーニングしました。 順方向段階回帰 AICc を実行しています。p 値が 0.05 未満では、パラメータのうち 1 つまたは最大 2 つだけが有意になりますが、それを超えると (0.1 または 0.2 あたりなど)、他のいくつかのパラメータが有意として表示されます。それらを取り除くと、R 2 乗値が減少します。 一部のモデルでは Cp 値も R 二乗値も表示されません。これらは主にフィッティング後にソフトウェアが表示する最後のモデルです。 そこで私の質問は次のとおりです: 1- Cp と R 二乗値のないモデルを除外するのは正しいですか? 2-文献には、私の応答のパラメータ間の関係について十分な情報が不足していますが、モデルを使用して理解したい情報がいくつかあるかもしれません。 多重共線性をチェックしました。VIF 値は約 1 ～ 2 (高くありません) ですが、結果をどのように解釈すればよいのか、モデルの p 値を 0.05 未満かそれ以上に限定すべきかがわかりません。
初心者なので、助けていただければ幸いです！
品質およびプロセスエンジニアリングRe: モデルの選択 - 段階的Fit Definitive Screening メソッドは、トリートメントの独自のフォールドオーバー構造に基づいています。 また、うまく機能するためにスクリーニングの重要な原則にも依存しています。 すべての一次、二次、二因子交互作用効果をテストすることは可能ですが、同時にテストすることはできません (重要な原則: 効果の疎性)。 DSD は小さすぎるため、これらすべての効果の項を一度にモデルに当てはめることはできません。 データ (自由度) を使い果たす前に、アクティブな効果を抽出するための独創的なアプローチが使用されます。
完全な要因モデルには、非線形効果の 2 次項は含まれません。 応答に非線形効果が現れる可能性がありますか? バイアス（欠損効果）をチェックするために不適合テストを受けましたか?
あなたを混乱させた私の質問は、あなたが見つけたい実際の効果と、応答に対するランダムな効果の相対的な大きさについてです。 推定 RMSE は 4 ～ 6 なので、実際の効果は少なくとも 2 ～ 3 倍である可能性があります。 追加の実行も含めましたか? 推奨される追加実行数により、設計の統計的検出力が大幅に向上します。 12 から 18 に等しい応答の実際の変化は可能ですか? それは意味があるのでしょうか？
Re: モデルの選択 - 段階的こんにちは@スタットマン。 ありがとう、マークへの返信で述べたように、17 回の実行すべてでコントロールと比較して低い値が得られました。
Re: モデルの選択 - 段階的こんにちは@Mark_Bailey 。 ご返信いただきありがとうございます。 私には 5 つの因子があり、「適合最終スクリーニング」を使用し、プロファイラーと残差プロットを確認しました。 しかし、これらの結果に関係なく、より理解が深まると考えて、完全階乗に対してこの段階的モデリングを再度実行しました。 RMSE は 4 ～ 6 の間で変化します。 私の最大目標値は最初は 40 に設定されていました。
ごめんなさい、質問が理解できませんでした」その値は、実際の効果から予想される応答の変化とどのように比較されますか?」 しかし、一般的に、17 回の実行すべてを、これらの要因がまったく含まれていない対照実行と比較すると、より低い値が得られました。 すべての材料が高価だったので、残念ながら事前にスコープ設計を行うことができませんでした。
Re: モデルの選択 - 段階的マークもピートも素晴らしい質問と素晴らしいアドバイスを持っています。 調査に実際的なメモをいくつか追加するだけです。 データには意味があるのでしょうか? 応答変数は実際的な量だけ変化しましたか。 データをグラフ化しましたか？
Re: モデルの選択 - 段階的少し付け加えると、 @Mark_Baileyさんの入力では、スクリーニング計画を実行したことを思い出してください。 この種のデザインは通常、学習や意思決定に至るまでのより大きな戦略的経路の一部です。 スクリーニング計画の主な目的の 1 つは、さらなる研究に値する有効な効果または興味深い効果を推定することです。 ここでは「さらなる学習」に重点を置きます。 私は、「さらなる研究にこれらの要素を含めるべきか?」という以上の決定を下すために、重要な p 値や統計診断のモデリングなどにこだわりすぎないようにしています。 したがって、大規模な問題解決作業のこの段階では、使用している臨界 p 値または回帰診断に近い因子または効果を引き続き含めることができます。 これらの要素を研究に含めてください...DOE 手法による研究を続けてください。 追加の要素と分析を参考にして、全体的な調査を進めてください。
Re: モデルの選択 - 段階的因子はいくつありますか?
[DOE] > [確定的スクリーニング] > [確定的スクリーニングの適合] を選択してモデルを選択しようとしたか、または [確定的スクリーニングの適合] テーブル スクリプトを実行してモデルを選択しようとしましたか?
これまでの最良のモデルを使用した応答の推定 RMSE はいくらですか? その値は、実際の効果からの応答の予想される変化とどのように比較されますか?
