RSM 分析有問題尊敬的JMP員工和使用者！
我是一名本科生，正在做一項研究。 我對結果分析有一些問題。 我使用 RSM（經典設計）透過包含 3 個自變數的矩陣來優化我的回應。 為了提高置信度，我在設計中添加了 1 個重複，因此矩陣包含 40 次試驗。 然後我開始分析實驗矩陣設計的結果，我的R2值為96％，P值<0.001，但P缺乏擬合值是顯著的。 換句話說，我沒有在設計中顯示重複，但每次運行仍然重複一次併計算平均值。 然後，我的 R2 和 Pvalue 沒有改變，P 失擬值並不顯著。 因此，我想知道分析結果的正確方法是什麼？
我期待您的回覆。
最良好的問候！
數據探索和視覺化實驗設計分享和交流成果回覆：RSM 分析問題很高興能提供協助。 如果你能分享的話，我很想看看你的論文。 這是非常有趣的數據，因此我希望您將其發布並可供公眾使用。
回覆：RSM 分析問題親愛的菲爾凱先生！
這個結果被用在我的本科論文中。 非常感謝您花費寶貴的時間來解決我的問題，我真的很感激！
最良好的問候！
回覆：RSM 分析問題再一次問好， @HoaLe99 ！
這是一個非常有趣的例子！ 我剛剛花了兩個小時探索這個問題，而我確實應該做其他事情。 但這非常有趣。 感謝你的分享！
首先，關於閾值：我不建議您更改分析中的 p 值閾值。 我認為你可以做到這一點，但這不會改變任何事情。 您仍然會得到完全相同的分析和 p 值。 我實際上只是說，當 p 值低於閾值 0.05 時，我們就聲明「顯著性」。 這個閾值只是一個慣例或「經驗法則」。 我們可以輕鬆地使用不同的閾值，這將改變我們所說的「顯著」。
不管怎樣，在這種情況下它基本上是無關緊要的，因為缺乏擬合的 p 值遠低於 0.05。 看起來確實有相當嚴重的不適合性，您可以從一些圖中看到：
請注意，在實際與預測中，這些點不僅僅是隨機分佈在線條周圍。 在線上的上方和下方的不同點有分組。
這表明該模型在某些方面存在不足，因此可能需要更高階的項。 您僅考慮一階項和二階項（RSM 模型）。 我考慮添加三階項。
這很複雜，因為三階項的數量超出了您的容納範圍。 實際上，我使用了 JMP Pro 中的一些工具來幫助解決此問題，包括 JMP Pro 17 中 Gen Reg 中的 Best Subset 和 SVEM Lasso。 但是，您可以在標準 JMP 中使用逐步。 我鎖定了所有二階項，然後逐步向前查看哪些三階項最重要。 （附表版中有Stepwise的腳本）
在我看來，您的回應不應小於零，並且可能不大於 1，因此我為「最佳」模型的回應添加了 Logit 變換（附表中的腳本）。 如果沒有這種轉換，您可以獲得低於 0 的響應預測，我懷疑這在這裡是不可能的。
我發現最好的模型是 RSM，其中 X2 的三次項 (X2*X2*X2) 以及 X3 與 X1 的二次項 (X1*X1*X3) 的相互作用。 這是一個複雜的效果。 這意味著 X1 的曲線性質受到 X3 的影響。 X3 越高，X1 的曲線越明顯。 也許這在科學上是有道理的？ 將這些納入實驗模型中是不尋常的，但我的感覺是，在許多情況下它們可能是相當重要的影響。
此模型仍明顯缺乏擬合，但程度要小得多（p = 0.009 與 0.0004）。 對我來說，殘差看起來都比較好。 為了進一步改進模型，您可能需要增加更多運行來測試三階項。 我不確定這是否值得，但這取決於您需要模型的目的。
這是一個非常有趣的範例，因此請告訴我是否會發布該範例，或者是否可以以匿名形式使用該範例。
我希望這對您有幫助。 我懷疑您已有的模型對您的目標很有用。 改進後的模型在統計上看起來更好，但實際上差異可能不那麼重要。
菲爾
回覆：RSM 分析問題親愛的菲爾凱先生！
我明白你說的，但我不知道如何在 JMP 中設定另一個 p 值閾值。 你能告訴我設定方法嗎？ 我在下面附上了有關我的模型的文件和圖片。 你能幫我檢查一下嗎？
非常感謝
回覆：RSM 分析問題我非常感謝你的幫忙！
回覆：RSM 分析問題非常感謝您的幫助，我真的很感激！
回覆：RSM 分析問題當我發現 DOE 不適合時，我會這樣做。
1. 將我的殘差儲存到資料表中。然後根據我們設計的每個因素繪製圖表。尋找可能表明不合身原因的模式。
2.失擬變異數分析將誤差變化分解為失擬分量和純誤差。我經常看到人們低估了純誤差分量——這種情況的發生要么是因為很少有自由度貢獻估計，要么是實驗過程沒有完全捕捉我們在複製中尋找的可變性。在資料表中找到與這些重複相對應的行並變更顏色。現在來看看步驟 (1) 中的圖表。圖表中的變化很可能比您在複製點中看到的變化小得多 - 這是為什麼？要么是缺乏擬合太大（即您需要改進模型），要么是純誤差太小（您的實驗過程低估了變化）。
3. 根據預測值繪製殘差。包含殘差的「包絡」在預測值的範圍內應該是均勻的。例如，如果它隨著預測值的增加而發散，則可能表示模型將透過對數變換進行改進。您可以使用 Box-Cox 變換選項來研究變換。
回覆：RSM 分析問題抱歉，您也可以考慮對回應進行轉換。 特別是如果您有理由相信常態分佈不合適。 例如，如果回應是%yield。
回覆：RSM 分析問題你好@HoaLe99 ,
澄清一下，您添加了 1 個重複，是否意味著您的設計有 20 次試驗（可能是具有 6 個中心點的中心複合材料），並且您複製了所有試驗，總共 40 次試驗？ 我可以檢查它們是否是真正的複製品嗎？ 也就是說，所有 40 次運行都是獨立進行的，而不僅僅是重複反應的測量。
假設這一切都是真的，那麼您對 40 次運行所做的第一個分析是合適的。 此分析正確地反映了實驗的噪聲，因此您可以預期它會檢測到明顯的不擬合。
嚴重不適合不一定是問題。 這表明該模型可能不完全足夠。
您應該考慮不適合的程度有多大。 因為你有如此多的重複（我認為你也有很多重複的中心點），所以測試對於檢測非常小的不擬合非常敏感。
另請記住，顯著性是基於 p 值閾值（通常為 0.05）的相當任意的選擇。 您可以合理地選擇另一個閾值（例如 0.01），並且不適合將不再「顯著」。
您應該考慮報告的其他部分，包括殘差圖，以考慮模型是否確實有問題。 該模型如何幫助您實現整體目標？ 高 R^2 表示模型捕捉了響應資料中的幾乎所有變化，這是正值。
我希望這有幫助，
菲爾
