RSM 分析存在问题尊敬的JMP员工和用户！
我是一名本科生，正在做一项研究。 我对结果分析有一些问题。 我使用 RSM（经典设计）通过包含 3 个自变量的矩阵来优化我的响应。 为了提高置信度，我在设计中添加了 1 个重复，因此矩阵包含 40 次试验。 然后我开始分析实验矩阵设计的结果，我的R2值为96％，P值<0.001，但P缺乏拟合值是显着的。 换句话说，我没有在设计中显示重复，但每次运行仍然重复一次并计算平均值。 然后，我的 R2 和 Pvalue 没有改变，P 失拟值并不显着。 因此，我想知道分析结果的正确方法是什么？
我期待您的回复。
最良好的问候！
数据探索和可视化实验设计分享和交流结果回复：RSM 分析问题很高兴能提供帮助。 如果你能分享的话，我很想看看你的论文。 这是非常有趣的数据，因此我希望您将其发布并可供公众使用。
回复：RSM 分析问题亲爱的菲尔·凯先生！
这个结果被用在我的本科论文中。 非常感谢您花费宝贵的时间来解决我的问题，我真的很感激！
最良好的问候！
回复：RSM 分析问题再一次问好， @HoaLe99 ！
这是一个非常有趣的例子！ 我刚刚花了两个小时探索这个问题，而我确实应该做其他事情。 但这非常有趣。 感谢你的分享！
首先，关于阈值：我不建议您更改分析中的 p 值阈值。 我认为你可以做到这一点，但这不会改变任何事情。 您仍然会得到完全相同的分析和 p 值。 我实际上只是说，当 p 值低于阈值 0.05 时，我们就声明“显着性”。 这个阈值只是一个惯例或“经验法则”。 我们可以轻松地使用不同的阈值，这将改变我们所说的“显着”。
不管怎样，在这种情况下它基本上是无关紧要的，因为缺乏拟合的 p 值远远低于 0.05。 看起来确实有相当严重的不适合性，您可以从一些图中看到：
请注意，在实际与预测中，这些点不仅仅是随机分布在线条周围。 在线的上方和下方的不同点有分组。
这表明该模型在某些方面存在不足，因此可能需要更高阶的项。 您仅考虑一阶项和二阶项（RSM 模型）。 我考虑添加三阶项。
这很复杂，因为三阶项的数量超出了您的容纳范围。 实际上，我使用了 JMP Pro 中的一些工具来帮助解决此问题，包括 JMP Pro 17 中 Gen Reg 中的 Best Subset 和 SVEM Lasso。 但是，您可以在标准 JMP 中使用逐步。 我锁定了所有二阶项，然后逐步向前查看哪些三阶项最重要。 （附表版本中有Stepwise的脚本）
在我看来，您的响应不应小于零，并且可能不大于 1，因此我向“最佳”模型的响应添加了 Logit 变换（附表中的脚本）。 如果没有这种转换，您可以获得低于 0 的响应预测，我怀疑这在这里是不可能的。
我发现最好的模型是 RSM，其中 X2 的三次项 (X2*X2*X2) 以及 X3 与 X1 的二次项 (X1*X1*X3) 的相互作用。 这是一个复杂的效果。 这意味着 X1 的曲线性质受到 X3 的影响。 X3 越高，X1 的曲线越明显。 也许这在科学上是有道理的？ 将这些纳入实验模型中是不寻常的，但我的感觉是，在许多情况下它们可能是相当重要的影响。
该模型仍然明显缺乏拟合，但程度要小得多（p = 0.009 与 0.0004）。 对我来说，残差看起来都更好。 为了进一步改进模型，您可能需要增加更多运行来测试三阶项。 我不确定这是否值得，但这取决于您需要模型的目的。
这是一个非常有趣的示例，因此请告诉我是否会发布该示例，或者是否可以以匿名形式使用该示例。
我希望这对您有帮助。 我怀疑您已有的模型对您的目标很有用。 改进后的模型在统计上看起来更好，但实际上差异可能并不那么重要。
菲尔
回复：RSM 分析问题亲爱的菲尔·凯先生！
我明白你说的，但我不知道如何在 JMP 中设置另一个 p 值阈值。 你能告诉我设置方法吗？ 我在下面附上了有关我的模型的文件和图片。 你能帮我检查一下吗？
非常感谢
回复：RSM 分析问题我非常感谢你的帮助！
回复：RSM 分析问题非常感谢您的帮助，我真的很感激！
回复：RSM 分析问题当我发现 DOE 不适合时，我会这样做。
1. 将我的残差保存到数据表中。然后根据我们设计的每个因素绘制图表。寻找可能表明不合身原因的模式。
2.失拟方差分析将误差变化分解为失拟分量和纯误差。我经常看到人们低估了纯误差分量——这种情况的发生要么是因为很少有自由度贡献估计，要么是实验过程没有完全捕获我们在复制中寻找的可变性。在数据表中找到与这些重复相对应的行并更改颜色。现在看一下步骤 (1) 中的图表。图表中的变化很可能比您在复制点中看到的变化小得多 - 这是为什么？要么是缺乏拟合太大（即您需要改进模型），要么是纯误差太小（您的实验过程低估了变化）。
3. 根据预测值绘制残差。包含残差的“包络”在预测值的范围内应该是均匀的。例如，如果它随着预测值的增加而发散，则可能表明模型将通过对数变换进行改进。您可以使用 Box-Cox 变换选项来研究变换。
回复：RSM 分析问题抱歉，您也可以考虑对响应进行转换。 特别是如果您有理由相信正态分布不合适。 例如，如果响应是%yield。
回复：RSM 分析问题你好@HoaLe99 ,
澄清一下，您添加了 1 个重复，是否意味着您的设计有 20 次试验（可能是具有 6 个中心点的中心复合材料），并且您复制了所有试验，总共 40 次试验？ 我可以检查它们是否是真正的复制品吗？ 也就是说，所有 40 次运行都是独立进行的，而不仅仅是重复响应的测量。
假设这一切都是真的，那么您对 40 次运行所做的第一个分析是合适的。 该分析正确地反映了实验的噪声，因此您可以预期它会检测到明显的不拟合。
严重不适合不一定是问题。 这表明该模型可能并不完全足够。
您应该考虑不适合的程度有多大。 因为你有如此多的重复（我认为你也有很多重复的中心点），所以测试对于检测非常小的不拟合非常敏感。
另请记住，显着性基于 p 值阈值（通常为 0.05）的相当任意的选择。 您可以合理地选择另一个阈值（例如 0.01），并且不适合将不再“显着”。
您应该考虑报告的其他部分，包括残差图，以考虑模型是否确实存在问题。 该模型如何帮助您实现总体目标？ 高 R^2 表明模型捕获了响应数据中的几乎所有变化，这是正值。
我希望这有帮助，
菲尔
