모두 안녕
이 질문에 대해 저를 도울 수 있습니까?
"완전 요인 모델 모델에서 항을 제거하면 모델 성능에 어떤 영향을 줍니까? (예를 들어 Rs 제곱 값, 신뢰 구간 등이 증가하거나 감소합니까? )"
최상의,
셀린느
먼저 커뮤니티에 오신 것을 환영합니다. 흥미로운 첫 번째 게시물... 모델을 평가하는 데 사용되는 일반적인 열거형 통계는 모두 모델에 따라 다릅니다.
실험자가 염두에 두어야 할 두 가지 관찰:
1. 통계적 유의성은 조건문 .변동 소스(설계 요인)는 특정 조건 세트(DOE 동안 일정하게 유지되는 노이즈, 일명 추론 공간)에서 다른 변동 소스(처리 간 노이즈 변화)와 비교됩니다.소스나 조건이 변경되면 통계적 의미도 변경될 수 있습니다.
2. 실험 결과의 외삽은 통계적 결정이 아닌 엔지니어링 및 관리 결정입니다.이는 연구가 미래 조건을 얼마나 대표하는지에 크게 영향을 받습니다.
모델의 항을 변경하면 해당 통계가 변경될 수 있고 변경될 가능성이 있습니다. 모델에서 항을 제거하면 오류 항에 풀링됩니다. 이것은 MSE에 의해 정량화된 임의 오류의 추정치를 부풀리거나 줄일 수 있습니다. 예를 들어 모델에서 중요하지 않은 항을 제거하면 해당 항(제곱합)과 관련된 분산뿐만 아니라 오류 항에 해당하는 자유도 풀도 제거됩니다. 이렇게 하면 MSE가 감소하고 F-비율이 증가합니다(p-값 감소). 본질적으로 실험을 계획하는 사람으로서 통계적 유의성을 제어합니다. 모델에 포함될 내용과 실험이 미래 조건을 얼마나 대표하는지.
BTW, R-square에 주의하세요. 모델에 자유도를 추가하면(추가하는 자유도가 중요한지 여부에 관계없이) 항상 증가합니다. 모델을 구체화할 때 조정된 R-제곱과 R-제곱 사이의 델타를 평가하는 것이 더 좋습니다.
무엇보다 더 깊은 이해를 원한다면 @statman 준, 우수하고 무료 온라인 산업문제해결을 위한 통계적 사고 과정 (STIPS)는 특히 Correlation and Regression 모듈에서 이에 대해 정말 접근하기 쉬운 설명을 제공합니다.
