Sto cercando di adattare un modello a un DSD a 17 run con 4 fattori. Sto valutando due metodi per farlo: la piattaforma "Fit Definitive Screening" consigliata dalla documentazione JMP, nonché il vecchio metodo di selezione in avanti con AICC minimo come criterio.
Sulla base della conoscenza del dominio, mi sarei aspettato un effetto quadratico per il fattore B che sembra un plateau, con il livello basso significativamente peggiore dei livelli medio/alti, che dovrebbero essere relativamente simili. Quando guardo i risultati dell'algoritmo 'Fit DSD', il grafico dei residui degli effetti principali per il fattore B in effetti assomiglia a questo. Tuttavia, l'algoritmo fit DSD non genera alcun effetto quadratico. Ho provato a modificare il rapporto Stage 2 da 1 a 0,1 e non ho riscontrato differenze.
Quando prendo lo stesso set di dati e utilizzo la selezione del modello in avanti con AICC minimo, ottengo il seguente modello, che include B ^ 2 come termine.
Infine, quando eseguo effettivamente i modelli realizzati da Fit DSD vs. stepwise, trovo che il valore p complessivo e R^2 aggiustato del modello derivato stepwise indichino un fit superiore (p = 0,0144 e r^2 = 0,438 per fit DSD, p = 0,0030 e r^2 = 0,615 per stepwise)
L'ho ripetuto per alcuni altri parametri di output e ho scoperto che in generale, il DSD adatto è molto più conservativo della selezione graduale per quanto riguarda i termini di secondo ordine. È vero? In tal caso, si consiglia comunque di utilizzare il modello di adattamento DSD, anche se risulta in un adattamento del modello più scarso?
Ho allegato dati anonimizzati.
Grazie.
