模型選擇-逐步你好，
我用 DSD 篩選了一系列有關生物反應的生物參數。 我正在進行前向逐步回歸AICc，當p 值低於0.05 時，我發現只有一個或最多兩個參數變得顯著，但除此之外（例如在0.1 或0.2 左右），其他幾個參數也會顯著，如果我刪除它們，R 平方值會減少。 在某些模型中，我看不到 Cp 或 R 平方值，這主要是軟體在擬合後顯示的最後一個模型。 所以我的問題是： 1-排除那些沒有 Cp 和 R 平方值的模型是否正確？ 2-文獻缺乏足夠的關於我的回答的參數之間關係的信息，但可能有一些我想透過模型來理解。 我已經檢查了多重共線性，VIF 值約為 1 到 2（不高），但我不清楚如何解釋我的結果，以及是否應該將我的模型限制為 p 值低於 0.05 或高於該值？
作為初學者，我將不勝感激任何幫助！
品質和工藝工程回覆：模型選擇-逐步Fit Definitive Screening 方法是基於治療的獨特折疊結構。 我還依靠篩選的關鍵原則來取得良好的效果。 可以測試所有一階、二階和雙因素交互作用效應，但不能同時測試（關鍵原則：效應稀疏性）。 DSD 太小，無法同時容納包含所有這些效應項的模型。 它使用巧妙的方法在耗盡資料（自由度）之前梳理出主動效應。
全因子模型不包含非線性效應的二階項。 您的反應中會出現非線性效應嗎？ 您是否進行了失擬測試來檢查偏差（缺失效應）？
我的問題讓您感到困惑的是您希望找到的實際效果與回應的隨機效果的相對大小。 您估計的 RMSE 為 4-6，因此您可能會發現實際效果至少是原來的 2-3 倍。 你有包含額外的跑步嗎？ 建議的額外運行次數可顯著提高設計的統計能力。 響應的實際變化是否可能等於 12-18？ 有意義嗎？
回覆：模型選擇-逐步你好@statman 。 謝謝，正如我在回覆 Mark 時提到的，與對照組相比，我在所有 17 次運行中獲得了較低的值。
回覆：模型選擇-逐步你好@馬克貝利。 感謝回覆。 我有 5 個因素，我使用了“擬合最終篩選”，並且看到了分析器和殘差圖。 但是，無論這些結果如何，我再次對全階乘進行了逐步建模，因為我認為我會更好地理解。 RMSE 在 4 到 6 之間變化。 我的最大期望值最初設定為 40。
抱歉我沒聽懂這個問題”該值與實際效果響應的預期變化相比如何？」。 但總的來說，將我的所有 17 次運行與沒有任何這些因素的對照運行進行比較，我得到的值較低。 由於所有材料都很昂貴，不幸的是我無法事先進行任何範圍設計。
回覆：模型選擇-逐步馬克和皮特都有很好的問題和很好的建議。 我只會為您的調查添加一些實用的註釋。 數據有意義嗎？ 響應變數是否發生了任何實際變化？ 你把數據繪製成圖表了嗎？
回覆：模型選擇-逐步添加一點@馬克貝利的輸入，請記住您進行了篩選設計。 這些類型的設計通常是學習或決策的更大策略途徑的一部分。 篩選設計的主要目標之一是估計值得進一步研究的積極或有趣的效果。 這裡強調「進一步學習」。 我盡量不要太關注諸如關鍵 p 值或建模統計診斷之類的事情，以做出超出「我是否應該將這些因素納入進一步研究？」的決策。 因此，在更大的問題解決工作的這個階段，您可能會想要繼續包含接近您正在使用的關鍵 p 值或迴歸診斷的因素或影響。 將這些因素保留在研究中...繼續透過 DOE 方法進行研究。 讓附加元素和分析指導您進行整體調查。
回覆：模型選擇-逐步你有多少因素？
您是否嘗試透過選擇“DOE”>“最終篩選”>“擬合最終篩選”或執行“擬合最終篩選”表腳本來選擇模型？
到目前為止，您對最佳模型的回應的估計 RMSE 是多少？ 該值與實際效果響應的預期變化相比如何？
