4개의 요소가 있는 17 실행 DSD에 모델을 맞추려고 합니다. JMP 설명서에서 권장하는 'Fit Definitive Screening' 플랫폼과 최소 AICC를 기준으로 하는 이전 정방향 선택 방법의 두 가지 방법을 평가하고 있습니다.
도메인 지식을 기반으로, 낮은 수준이 상대적으로 유사해야 하는 중간/높은 수준보다 훨씬 더 나쁜 고원처럼 보이는 요인 B에 대한 2차 효과를 예상했을 것입니다. 'DSD 적합' 알고리즘의 결과를 보면 요인 B에 대한 주효과 잔차 그림이 실제로 다음과 같이 보입니다. 그러나 적합 DSD 알고리즘은 2차 효과를 출력하지 않습니다. 2단계 비율을 1에서 0.1로 변경해 보았지만 아무런 차이가 없었습니다.
동일한 데이터 세트를 가져오고 최소 AICC로 정방향 모델 선택을 사용하면 용어로 B^2를 포함하는 다음 모델을 얻습니다.
마지막으로, Fit DSD vs. stepwise로 만든 모델을 실제로 실행해보면, stepwise-derived model의 전체 p-값과 조정된 R^2가 우수한 적합도를 나타냄을 알 수 있습니다(fit의 경우 p = 0.0144 및 r^2 = 0.438). DSD, p = 0.0030 및 r^2 = 0.615(단계별)
나는 다른 출력 매개변수에 대해 이것을 반복했고 일반적으로 적합 DSD가 2차 항과 관련하여 단계적 선택보다 훨씬 더 보수적이라는 것을 발견했습니다. 이것이 사실입니까? 그렇다면 모델 적합도가 좋지 않더라도 적합 DSD의 모델을 사용하는 것이 여전히 권장됩니까?
익명 데이터를 첨부했습니다.
감사합니다.
