Attualmente sto analizzando un esperimento fattoriale completo con 2 livelli e 3 fattori, non replicato, n = 8. Secondo le guide JMP, la metodologia corretta qui sarebbe quella di adattare il modello utilizzando il fattoriale al grado 2, supponendo che le interazioni di ordine superiore siano insignificanti, prima di utilizzare la selezione all'indietro per ridurre il modello ai suoi fattori significativi.
Guida JMP per l'analisi fattoriale completa 2x2x2: https://community.jmp.com/t5/Learning-Center/Analyzing-Full-Factorial-Experiments/ta-p/271995
La mia domanda è: supponiamo che i dati mostrino che in effetti tutti gli effetti principali e tutte le interazioni a 2 vie sono significative. Questo mi lascia con un modello con 6 termini, che descrive un set di dati con solo 8 osservazioni. A questo punto ho r^2 molto alto a causa dell'alto numero di termini e p < 0,05 per tutti e 6 i fattori. Da un punto di vista analitico, questo è considerato overfitting e non sarebbe considerato una best practice?
In tal caso, un modo migliore per guardare questi dati sarebbe guardare solo gli effetti principali (cioè guardare l'effetto "medio" di ciascun parametro piuttosto che immergersi nei dettagli)?
Grazie.
