Actualmente estoy analizando un experimento factorial completo con 2 niveles y 3 factores, sin replicar, n = 8. De acuerdo con las guías de JMP, la metodología adecuada aquí sería ajustar el modelo usando un factorial de grado 2, asumiendo que las interacciones de orden superior son insignificantes, antes de usar la selección hacia atrás para reducir el modelo a sus factores significativos.
Guía JMP para análisis factorial completo 2x2x2: https://community.jmp.com/t5/Learning-Center/Analyzing-Full-Factorial-Experiments/ta-p/271995
Mi pregunta es: supongamos que los datos muestran que, de hecho, todos los efectos principales y todas las interacciones bidireccionales son significativas. Eso me deja con un modelo con 6 términos, que describe un conjunto de datos con solo 8 observaciones. En este punto tengo un r^2 muy alto debido a la gran cantidad de términos y p < 0,05 para los 6 factores. Desde un punto de vista analítico, ¿se considera esto un sobreajuste? ¿Se consideraría que no es una buena práctica?
Si es así, ¿sería una mejor manera de ver estos datos mirar solo los efectos principales (es decir, mirar el efecto "promedio" de cada parámetro en lugar de profundizar en los detalles)?
Gracias.
