JMP 16 - 在混合模型 DoE 中向後消除固定效應時置信區間會變得更寬嗎？你好，
如果之前已經問過這個問題，請見諒。發文之前我使用了搜尋功能，但在論壇上沒有找到任何內容。
我正在探索 DoE 的混合模型，以便更深入地了解固定和隨機效應如何影響過程輸出。然而，當我嘗試手動使用向後消除法來簡化我的固定效應回歸參數時，我注意到我的參數估計的置信區間（例如：我的截距，這對我的目的很重要）變得非常寬，這也反映在分析器中寬而均勻的置信區間。
我原本認為更簡單的模型將釋放更多的自由度，以實現更好的方差/標準誤差測量，從而使置信區間更小，但事實恰恰相反。值得注意的是，當我增加隨機效應的複雜性時，這些影響會更加明顯（例如：將參數連接為隨機區塊與對每個隨機因素單獨執行變異數成分分析）。
請參見下面的 DoE 範例，我一直嘗試使用模擬結果進行建構和探索（未顯示）：
X1 X2 和 X3 是固定因素，而其餘的則是我的範例隨機因素。
任何幫助都將不勝感激！到目前為止，似乎我最好的行動方案是保留完整的響應曲面模型，而不是在此時探索任何逐步消除選項。
最好的，
馬特
進階統計建模視窗回复：JMP 16-在混合模型 DoE 中向後消除固定效應時置信區間變寬？我不會使用估計的置信區間長度來選擇模型。 它們反映了給定所選模型的估計的不確定性。
它們的間隔變長，因為刪除一項會將相關的平方和添加到誤差項中。 誤差項用於估計每個估計值的標準誤差。
回复：JMP 16-在混合模型 DoE 中向後消除固定效應時置信區間變寬？首先，歡迎來到社區。 我不確定我是否可以回答你的問題，因為我沒有足夠的上下文（比如你的目標是什麼？），但這是我的想法。 正如 Mark 已經回答的那樣，當您從模型中刪除項時，這些 SS 和 DF 將匯集在 MSE 中。 我會使用其他技術來減少模型，例如
1. 首先，SME（主題專家）及其相關假設。 參數效果和係數有意義嗎？
2.檢查共線性（分析>多變量方法>多變量（並測試異常值））
3. 當您在模型中刪除或添加項時，觀察 R 方和調整後的 R 方之間的增量。 增量越大，模型越過度指定
4. RMSE，RMSE越小越好的模型
5. p值
順便說一下，置信區間只與手頭的數據有關。 將這些推斷到未來的能力完全取決於你的研究對未來的代表性。
回复：JMP 16-在混合模型 DoE 中向後消除固定效應時置信區間變寬？謝謝你們的快速回复。 我通過最小化 AICc 通過手動向後消除來減少我的模型，並且很好奇為什麼我的 CI 變得更寬。 你的解釋很有道理。
