J'essaie d'adapter un modèle à un DSD à 17 séquences avec 4 facteurs. J'évalue deux méthodes pour ce faire : la plate-forme "Fit Definitive Screening" recommandée par la documentation JMP, ainsi que l'ancienne méthode de sélection directe avec un AICC minimum comme critère.
Sur la base de la connaissance du domaine, je me serais attendu à un effet quadratique pour le facteur B qui ressemble à un plateau, le niveau bas étant nettement pire que les niveaux moyens/élevés, qui devraient être relativement similaires. Lorsque je regarde les résultats de l'algorithme 'Fit DSD', le graphique résiduel des effets principaux pour le facteur B ressemble en fait à ceci. Cependant, l'algorithme fit DSD ne génère aucun effet quadratique. J'ai essayé de modifier le rapport de l'étape 2 de 1 à 0,1 et je n'ai trouvé aucune différence.
Lorsque je prends le même ensemble de données et que j'utilise la sélection de modèle vers l'avant avec un AICC minimum, j'obtiens le modèle suivant, qui inclut B^2 comme terme.
Enfin, lors de l'exécution des modèles créés par Fit DSD par rapport à pas à pas, je trouve que la valeur p globale et le R^2 ajusté du modèle dérivé pas à pas pour indiquer un ajustement supérieur (p = 0,0144 et r^2 = 0,438 pour l'ajustement DSD, p = 0,0030 et r^2 = 0,615 pour pas à pas)
J'ai répété cela pour certains autres paramètres de sortie et j'ai constaté qu'en général, l'ajustement DSD est beaucoup plus conservateur que la sélection par étapes en ce qui concerne les termes de second ordre. Est-ce vrai? Si tel est le cas, est-il toujours recommandé d'utiliser le modèle de fit DSD, même si cela entraîne un ajustement du modèle moins bon ?
J'ai joint des données anonymisées.
Merci.
