我目前正在分析一个具有 2 个水平和 3 个因子的全因子实验，未复制，n = 8。 根据 JMP 指南，这里的正确方法是使用阶乘拟合模型到 2 阶，假设高阶交互不显着，然后使用反向选择将模型降低到其显着因子。
2x2x2 全因子分析的 JMP 指南： https://community.jmp.com/t5/Learning-Center/Analyzing-Full-Factorial-Experiments/ta-p/271995
我的问题是 - 假设数据显示事实上，所有主要影响和所有双向交互都是显着的。 这给我留下了一个有 6 个术语的模型，描述了一个只有 8 个观察值的数据集。 在这一点上，由于术语数量众多，并且所有 6 个因素的 p < 0.05，我的 r^2 非常高。 从分析的角度来看，这是否被认为是过度拟合，这是否被认为不是最佳实践？
如果是这样，查看这些数据的更好方法是只查看主要效果（即查看每个参数的“平均”效果而不是深入细节）？
谢谢。
