模型选择-逐步你好，
我已经用 DSD 筛选了一系列关于生物反应的生物参数。 我正在做一个正向逐步回归 AICc，当 p 值低于 0.05 时，我看到只有一个或最多两个参数变得显着，但除此之外（比如在 0.1 或 0.2 左右），其他几个参数显着，如果我删除它们，R 平方值减小。 在某些模型中，我看不到 Cp 或 R 平方值，这主要是软件在拟合后显示的最后一个模型。 所以我的问题是： 1- 排除那些没有 Cp 和 R 平方值的模型是否正确？ 2-文献缺乏关于参数之间关系的足够信息，但可能有一些我想用模型来理解。 我已经检查了多重共线性，VIF 值在 1 到 2 左右（不高），但我不清楚如何解释我的结果，以及我是否应该将我的模型限制在低于 0.05 或高于 0.05 的 p 值？
作为初学者，我很感激任何帮助！
分析美国能源部回复：逐步选择模型你有几个因素？
您是否尝试选择模型，选择 DOE > Definitive Screening > Fit Definitive Screening，或运行 Fit Definitive Screening 表脚本？
到目前为止，您对最佳模型的响应的估计 RMSE 是多少？ 该值与实际效果的预期响应变化相比如何？
回复：逐步选择模型添加一点@马克贝利的输入，请记住您运行了筛选设计。 这些类型的设计通常是学习或做出决策的更大战略途径的一部分。 筛选设计的主要目标之一是估计值得进一步研究的积极或有趣的影响。 这里强调“进一步研究”。 我尽量不要太纠结于诸如关键 p 值之类的事情，或者对统计诊断建模以做出超出“我应该在进一步研究中包括这些因素吗？”的决定。 因此，在更大的问题解决工作的这个阶段，您可能希望继续包括接近关键 p 值或正在使用的回归诊断的因素或影响。 在研究中保留这些因素...继续通过 DOE 方法进行研究。 让附加元素和分析指导您进行整体调查。
回复：模型选择-逐步马克和皮特都有很好的问题和很好的建议。 我只会为您的调查添加一些实用说明。 数据有意义吗？ 响应变量是否发生任何实际量的变化。 你把数据绘制成图表了吗？
