如果它们在表面轮廓仪中实际上看起来不错并且在预测图中实际看起来不错，我该如何处理缺乏拟合数据亲爱的 JMP 专业人士，
我有一个包含两个离散因子（X_1 和 X_2）的数据集（见附件），在模型运行后，通过预测以及表面轮廓仪，拟合在实际中看起来不错。 但是，我在这里有很大的不适应。
我想知道这里的原因是什么，我该如何处理这个数据集？ 我仍然可以使用并相信合适吗？ 请注意，我必须在这里使用离散因子集而不是教科书 DoE。
感谢您在这里的帮助，
此致，
西蒙
分析美国能源部回复：如果它们在表面轮廓仪中实际上看起来不错并且在预测图中实际上看起来不错，我该如何处理缺乏拟合数据你好@SimonFuchs ,
您可以阅读有关回归分析的失拟检验的更多信息这里. 我认为缺乏拟合测试的问题在于输入 X_1 和 X_2 没有足够的复制条目。 您的数据集仅包含 2、第 6 行和第 10 行。 而且，由于您测量的响应 X_3 和 X_6 具有基本相同的值（对于那些运行），因此 JMP 很难报告失配检验的统计数据。 如果您真正复制 DOE 运行，那么通过常规高斯噪声，您应该有不同的响应，即使只是测量系统的噪声。
您可以通过添加一些具有完全相同的 X_1 和 X_2 对的新行来测试这一点，但随后为响应 X_3 输入稍微不同的值。 如果您在此新数据上重新运行模型，您将看到 JMP 会按照您的预期计算失拟。 如果您有能力复制整个 DOE，那么我强烈建议您这样做。
关于模型，我注意到的一件事是因子 X_1 所起的作用（对于 X_3 响应）不如交叉项 X_1*X_2 甚至二阶效应 X_2*X_2 重要。 事实上，X_1 本身的作用并不是一个重要因素，尽管当与 X_2 交叉时，你会得到一个非常重要的术语。 我可以看到这种情况发生在催化剂之类的东西上。 催化剂本身不会驱动反应，但当与正确的成分混合时，它可以非常有效地驱动反应。 您的特定设置是否对按原样排序的因素有意义？ 如果没有，您是否需要重新考虑模型以及要添加到其中的术语？
希望这可以帮助，
DS
回复：如果它们在表面轮廓仪中实际上看起来不错并且在预测图中实际上看起来不错，我该如何处理缺乏拟合数据嗨 SDF1，
非常感谢您的回答！ 我只是想问一下，我在哪里可以看到/分析我没有足够的 X_1 复制条目？
在我开始测量并在拟合最小二乘分析面板中看到这一点之前，提前意识到这一点会很棒。
感谢您在这里的 jelp，是的，在这种情况下，因素组合是有意义的。
此致
西蒙
