如果表面輪廓儀中的數據實際上看起來不錯並且預測圖上的實際數據看起來不錯，我該如何處理缺乏擬合數據的問題親愛的 JMP 專業人員：
我有一個包含兩個離散因子（X_1 和 X_2）的資料集（請參閱附件），模型運行後，預測的實際擬合效果以及表面輪廓儀的擬合效果都很好。 然而，我在這裡有明顯的不適應。
我想知道這是什麼原因以及如何處理這個資料集？ 我仍然可以使用並相信它適合嗎？ 請注意，我必須在這裡使用離散的因子集，而不是能源部教科書。
在此感謝您的幫助，
此致，
西蒙
數據探索和視覺化回覆：如果數據在表面輪廓儀中實際看起來不錯並且透過預測圖實際看起來不錯，我該如何處理缺乏擬合數據的問題嗨，SDF1，
非常感謝您的回答！ 我只是想問，在哪裡可以看到/分析我沒有足夠的 X_1 複製條目？
在開始測量並在擬合最小二乘分析面板中看到這一點之前，最好提前意識到這一點。
感謝您在這裡的傑普，是的，在這種情況下因素組合是有意義的。
此致
西蒙
回覆：如果數據在表面輪廓儀中實際看起來不錯並且透過預測圖實際看起來不錯，我該如何處理缺乏擬合數據的問題你好@西蒙福克斯,
您可以閱讀有關回歸分析失擬檢驗的更多信息這裡。 我認為缺乏擬合測試的問題在於輸入 X_1 和 X_2 沒有足夠的複製條目。 您的資料集僅包含 2 個，即第 6 行和第 10 行。 而且，由於您測量的 X_3 和 X_6 的響應具有基本相同的值（對於這些運行），因此 JMP 很難報告缺乏擬合檢定的統計數據。 如果您真正複製 DOE 運行，那麼透過常規高斯噪聲，您應該得到不同的響應，即使只是在測量系統的噪聲中。
您可以透過新增一些具有完全相同的 X_1 和 X_2 對的新行來測試這一點，但隨後為回應 X_3 輸入略有不同的值。 如果您根據這些新資料重新運行模型，您將看到 JMP 按您的預期計算失擬度。 如果您有能力複製整個能源部，那麼我強烈建議您這樣做。
關於模型，我注意到的一件事是，因子 X_1 （對於 X_3 響應）所起的作用不如交叉項 X_1*X_2 甚至二階效應 X_2*X_2 重要。 事實上，X_1 單獨的作用並不是一個重要因素，儘管當與 X_2 交叉時，您會得到一個非常重要的術語。 我可以透過催化劑之類的東西看到這種情況的發生。 催化劑本身不會驅動反應，但當與正確的成分混合時，它可以非常有效地驅動反應。 依原樣排列因子的具體設定是否有意義？ 如果不是，您是否需要重新考慮模型以及添加到模型中的術語？
希望這可以幫助，
DS
