Ich analysiere derzeit ein vollfaktorielles Experiment mit 2 Stufen und 3 Faktoren, nicht repliziert, n = 8. Gemäß den JMP-Leitfäden wäre die richtige Methodik hier, das Modell mit Fakultät bis Grad 2 anzupassen, vorausgesetzt, Wechselwirkungen höherer Ordnung sind unbedeutend, bevor das Modell mithilfe der Rückwärtsauswahl auf seine signifikanten Faktoren reduziert wird.
JMP-Leitfaden für die vollfaktorielle 2x2x2-Analyse: https://community.jmp.com/t5/Learning-Center/Analyzing-Full-Factorial-Experiments/ta-p/271995
Meine Frage ist - nehmen wir an, die Daten zeigen, dass tatsächlich alle Haupteffekte und alle 2-Wege-Wechselwirkungen signifikant sind. Damit bleibt mir ein Modell mit 6 Termen, das einen Datensatz mit nur 8 Beobachtungen beschreibt. An diesem Punkt habe ich aufgrund der hohen Anzahl von Termen ein sehr hohes r^2 und p < 0,05 für alle 6 Faktoren. Wird dies aus analytischer Sicht als Überanpassung angesehen, und würde dies nicht als Best Practice angesehen werden?
Wenn ja, wäre eine bessere Möglichkeit, diese Daten zu betrachten, nur die Haupteffekte zu betrachten (dh die "durchschnittliche" Wirkung jedes Parameters zu betrachten, anstatt in Details einzutauchen)?
Vielen Dank.
