模型选择-逐步你好，
我用 DSD 筛选了一系列有关生物反应的生物参数。 我正在进行前向逐步回归 AICc，当 p 值低于 0.05 时，我发现只有一个或最多两个参数变得显着，但除此之外（例如在 0.1 或 0.2 左右），其他几个参数也会显着，并且如果我删除它们，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-文献缺乏足够的关于我的回答的参数之间关系的信息，但可能有一些我想通过模型来理解。 我已经检查了多重共线性，VIF 值约为 1 到 2（不高），但我不清楚如何解释我的结果，以及是否应该将我的模型限制为 p 值低于 0.05 或高于该值？
作为初学者，我将不胜感激任何帮助！
质量和工艺工程回复：模型选择-逐步Fit Definitive Screening 方法基于治疗的独特折叠结构。 我还依靠筛选的关键原则来取得良好的效果。 可以测试所有一阶、二阶和双因素相互作用效应，但不能同时测试（关键原则：效应稀疏性）。 DSD 太小，无法同时容纳包含所有这些效应项的模型。 它使用巧妙的方法在耗尽数据（自由度）之前梳理出主动效应。
全因子模型不包括非线性效应的二阶项。 您的响应中会出现非线性效应吗？ 您是否进行了失拟测试来检查偏差（缺失效应）？
我的问题让您感到困惑的是您希望找到的实际效果与响应的随机效果的相对大小。 您估计的 RMSE 为 4-6，因此您可能会发现实际效果至少是原来的 2-3 倍。 你有包括额外的跑步吗？ 建议的额外运行次数可显着提高设计的统计能力。 响应的实际变化是否可能等于 12-18？ 有意义吗？
回复：模型选择-逐步你好@statman 。 谢谢，正如我在回复 Mark 时提到的，与对照相比，我在所有 17 次运行中获得了较低的值。
回复：模型选择-逐步你好@马克贝利。 感谢回复。 我有 5 个因素，我使用了“拟合最终筛选”，并且看到了分析器和残差图。 但是，无论这些结果如何，我再次对全阶乘进行了逐步建模，因为我认为我会更好地理解。 RMSE 在 4 到 6 之间变化。 我的最大期望值最初设置为 40。
抱歉我没听懂这个问题”该值与实际效果响应的预期变化相比如何？”。 但总的来说，将我的所有 17 次运行与没有任何这些因素的对照运行进行比较，我得到的值较低。 由于所有材料都很昂贵，不幸的是我无法事先进行任何范围设计。
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的注释。 数据有意义吗？ 响应变量是否发生了任何实际变化？ 你把数据绘制成图表了吗？
回复：模型选择-逐步添加一点@马克贝利的输入，请记住您进行了筛选设计。 这些类型的设计通常是学习或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效果。 这里强调“进一步学习”。 我尽量不要太关注诸如关键 p 值或建模统计诊断之类的事情，以做出超出“我是否应该将这些因素纳入进一步研究？”的决策。 因此，在更大的问题解决工作的这个阶段，您可能希望继续包含接近您正在使用的关键 p 值或回归诊断的因素或影响。 将这些因素保留在研究中...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-逐步你有多少因素？
您是否尝试通过选择“DOE”>“最终筛选”>“拟合最终筛选”或运行“拟合最终筛选”表脚本来选择模型？
到目前为止，您对最佳模型的响应的估计 RMSE 是多少？ 该值与实际效果响应的预期变化相比如何？
