DOE：显着失拟的显着模型<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，JMPers，
我正面临一个 DOE 的问题，并希望得到您的意见。
我正在尝试将两个响应 Y1、Y2 建模为 2 个因子 X1、X2、它们的一阶交互作用和二次效应的函数。
为此，我拥有来自完整 2^3 因子设计的数据以及来自先前数据集的两个重复实验（非居中）。
我对 Y1 没有任何问题，但对于 Y2，X1*X2 和 X2*X2 因素似乎都不重要。
当我在没有这两个因素的情况下重新运行脚本时，我得到以下信息：
我的模型很显着（p 值 <0.0001），具有高 R²（0.96），但也存在显着的失拟（p 值 0.024） ！
我应该怎么办 ？ 我不能重复实验并且在这里转换响应可能很棘手。
我必须把我的模型扔进垃圾箱吗？
谢谢您的帮助。
回复：DOE：显着缺乏拟合的显着模型昆汀，
由于交互项的效应遗传，您可以保留 X2。换句话说，您与 X2 的交互非常重要，因此您可以在模型中保留该主效应 (X2)。使用 JMP 12。您可以使用拟合模型中的效果汇总功能来删除项，并且仅删除 X2 以查看它如何更改您的模型，但在您的情况下，我建议您将其保留在模型中。
账单
回复：DOE：显着缺乏拟合的显着模型非常感谢比尔和彼得的这些建议。
取出 2 个样本并使用它们进行验证效果很好，预测结果与实际结果非常接近。
然而，Y1 的模型有一个小的变化。 以前，X1 和 X2 的所有线性、二次和交互作用对 Y1 都是显着的（p 值<0.05）。
但是，既然我取出了另外 2 个样本，X2 因素对 Y1 的影响不显着（p 值 = 0.0852），而所有其他因素都像以前一样显着。
我的问题是：如果不删除 X2 的二次效应和与 X1 的交互效应，我就无法删除它，这两者都很重要，所以我可以在模型中保留 X2，说明它在 0.1 置信水平上是显着的吗？
我相信比尔建议的方法比我使用的方法更好，但在使用它之前，我只想确保现在 Y1 的模型也是有效的。
谢谢您的回答。
回复：DOE：显着缺乏拟合的显着模型Quentin：Bill Worley 提供了一些很好的建议，坦率地说，我很尴尬我也没有提出建议。 我只是太专注于您担心与 LOF 测试相关的 ap 值，甚至没有考虑比尔提出的问题。 我经常认为有些人试图将“接受并使用模型”的决定提炼成一个且只有一个模型诊断统计数据。 我将这种行为称为“单发症”的受害者。
关于你在帖子中的最后一个问题：“那么你认为考虑到所有这些观察结果，我可以合理地接受这个模型并尝试通过额外的运行来验证它吗？”
如果我以一种或另一种方式向您提出关于“......接受这个模型......”的建议，那将是非常冒昧的。 从远处看，我不愿意对你的问题、实验的进行、过程的知识等知之甚少，开始给你一个非常不知情的意见以外的任何东西。 因此我会拒绝。
我将提供这么多；在我担任工业统计学家的几十年里，我无法告诉你有多少次我会被问到同样的问题。 我的回答总是这样：“好吧，昆汀，与其给你我的意见，我建议你这样做。 暂停片刻，想想数据、实验和分析引导你做出的决定。 从实际的角度考虑该决定的后果。 特别是如果结果不理想。 你如何看待这个决定？ 不是从统计的角度，而是从实际的角度。 现在，在你的肚子里，你对这个决定有什么感觉？ 如果您感到有些慌乱……然后停下来，暂停并返回以获取更多信息/数据/分析/实验/猜想……无论是什么……但请推迟决定。”
很久以前，我读过 Moen、Nolan 和 Provost 的一句话：“归根结底，这不是统计推断的问题，而是信仰程度的问题。” 或者正如戴明博士所说的那样，“最重要的人物是未知和不可知的。” P - 我们知道的值......但最重要的“数字”是不可知的。
回复：DOE：显着缺乏拟合的显着模型昆汀，
我将继续关注彼得的回答。
您声明您从以前的数据集中提取了两个样本并将它们添加到您的 DOE 结果中。通过使用那些“外部”样本来构建模型，您很可能会偏向 DOE/模型的结果。
只是一个建议，取出这两个样品并改装你的模型。然后通过将这些样本添加到您的数据表中来使用这些样本作为测试数据，并查看预测结果。确保先将预测公式保存到数据表中，然后在底部添加“新”数据。将实际数据与预测值进行比较。您还可以通过更改输入设置并查看左侧的预测值来使用预测分析器执行此操作。
至于你的残差图，看起来右上角的点是一个潜在的异常值，这也会影响你的结果。在没有该点的情况下重新拟合模型，然后检查您的拟合模型参数。
希望这可以帮助，
账单
回复：DOE：显着缺乏拟合的显着模型谢谢彼得。
我已经查看了残差（见下图）。 残差图中没有可观察到的潜在模式，但残差存在随机分散。 Y2 响应在 0 到 100 之间变化（这是一个产量），所以我认为残差的幅度（<5%）是可以接受的。 但是，我可以说对应于较高 Y2 值的残差“相对”较高(~4)其他人对预测高 Y2 值的置信度较低。 这在绘制观察到的 Y2 与使用置信区间预测的 Y2 时也很明显。
那么你认为考虑到所有这些观察结果，我可以合理地接受这个模型并尝试通过额外的运行来验证它吗？
再次感谢您的帮助！
回复：DOE：显着缺乏拟合的显着模型昆汀：你问：“我必须把我的模型扔进垃圾桶吗？” 仅当模型用 George Box 的话说“没有用”时。 LOF 只是一种，我只强调一种用于评估模型有用性的测试。 你看过你的残差图吗？ 从预测的角度来看，它们有问题吗？ 整个实验空间的残差大小如何？ 我不会太在意 LOF，特别是如果我已经用尽了通过添加项来修改模型的方法。 我要做的是查看预测与残差……并评估我所说的“未命中的幅度”或残差值。 从实际的角度来看，残差的大小或方向是否有问题？ 如果不是……为什么要担心 LOF？
最后，我鼓励您进行一些额外的试验以进行模型验证。 无论如何，无论 LOF 结果如何，都应该执行此步骤以验证模型实用性……如果这些验证运行结果从实际角度来看是可以的……再次，谁在乎 LOF？
祝你好运。
