我正在尝试将模型拟合到具有 4 个因子的 17 次运行 DSD。 我正在评估两种这样做的方法：JMP 文档推荐的“Fit Definitive Screening”平台，以及以最小 AICC 作为标准的较旧的正向选择方法。
根据领域知识，我预计因子 B 的二次效应看起来像一个平台，低水平明显差于中/高水平，这应该是相对相似的。 当我查看“Fit DSD”算法的结果时，因子 B 的主效应残差图实际上看起来像这样。 然而，拟合 DSD 算法不输出任何二次效应。 我尝试将第 2 阶段的比率从 1 更改为 0.1，但没有发现任何差异。
当我采用相同的数据集并使用具有最小 AICC 的正向模型选择时，我得到以下模型，其中确实包含 B^2 作为术语。
最后，当实际运行 Fit DSD 与 stepwise 制作的模型时，我发现逐步派生模型的总体 p 值和调整后的 R^2 表明更适合（p = 0.0144 和 r^2 = 0.438 适合） DSD，p = 0.0030 和 r^2 = 0.615 逐步）
我对其他一些输出参数重复了这一点，发现一般来说，就二阶项而言，拟合 DSD 比逐步选择要保守得多。 这是真的？ 如果是这样，是否仍建议使用 fit DSD 中的模型，即使它会导致模型拟合较差？
我附上了匿名数据。
谢谢。
