J'analyse actuellement une expérience factorielle complète avec 2 niveaux et 3 facteurs, non répliqués, n = 8. Selon les guides JMP, la méthodologie appropriée consisterait ici à ajuster le modèle à l'aide d'un factoriel au degré 2, en supposant que les interactions d'ordre supérieur sont insignifiantes, avant d'utiliser la sélection à rebours pour réduire le modèle à ses facteurs significatifs.
Guide JMP pour l'analyse factorielle complète 2x2x2 : https://community.jmp.com/t5/Learning-Center/Analyzing-Full-Factorial-Experiments/ta-p/271995
Ma question est - supposons que les données montrent qu'en fait, tous les effets principaux et toutes les interactions bidirectionnelles sont significatifs. Cela me laisse avec un modèle à 6 termes, décrivant un ensemble de données avec seulement 8 observations. À ce stade, j'ai un r ^ 2 très élevé en raison du nombre élevé de termes et de p <0,05 pour les 6 facteurs. D'un point de vue analytique, est-ce considéré comme un surajustement, et ne serait-ce pas considéré comme une pratique exemplaire ?
Si oui, une meilleure façon d'examiner ces données serait-elle de ne regarder que les effets principaux (c'est-à-dire d'examiner l'effet "moyen" de chaque paramètre plutôt que de plonger dans les détails) ?
Merci.
