モデルを 4 つの因子で 17 実行の DSD に当てはめようとしています。 そのための 2 つの方法を評価しています。JMP のドキュメントで推奨されている「Fit Definitive Screening」プラットフォームと、最小 AICC を基準とする古い前方選択方法です。
ドメインの知識に基づいて、私は因子 B の 2 次効果を期待していました。 'Fit DSD' アルゴリズムの結果を見ると、因子 B の主効果残差プロットは実際には次のようになっています。 ただし、fit DSD アルゴリズムは二次効果を出力しません。 ステージ 2 の比率を 1 から 0.1 に変更してみましたが、違いは見つかりませんでした。
同じデータセットを取得し、最小 AICC で前方モデル選択を使用すると、B^2 を項として含む次のモデルが得られます。
最後に、Fit DSD vs. stepwise によって作成されたモデルを実際に実行すると、全体的な p 値と調整された R^2 が段階的に導出されたモデルの優れた適合を示していることがわかりました (p = 0.0144 および r^2 = 0.438 for fit)。 DSD、p = 0.0030 および r^2 = 0.615 (段階的)
他のいくつかの出力パラメーターについてこれを繰り返したところ、一般に、フィット DSD は、2 次項に関して段階的な選択よりもはるかに保守的であることがわかりました。 これは本当ですか？ もしそうなら、たとえモデルの適合度が低下しても、適合性 DSD からのモデルを使用することは推奨されますか?
匿名データを添付しました。
ありがとう。
