我正在嘗試將模型擬合到具有 4 個因子的 17 次運行 DSD。 我正在評估兩種這樣做的方法：JMP 文檔推薦的“Fit Definitive Screening”平台，以及以最小 AICC 作為標準的較舊的正向選擇方法。
根據領域知識，我預計因子 B 的二次效應看起來像一個平台，低水平明顯差於中/高水平，這應該是相對相似的。 當我查看“Fit DSD”算法的結果時，因子 B 的主效應殘差圖實際上看起來像這樣。 然而，擬合 DSD 算法不輸出任何二次效應。 我嘗試將第 2 階段的比率從 1 更改為 0.1，但沒有發現任何差異。
當我採用相同的數據集並使用具有最小 AICC 的正向模型選擇時，我得到以下模型，其中確實包含 B^2 作為術語。
最後，當實際運行 Fit DSD 與 stepwise 製作的模型時，我發現逐步派生模型的總體 p 值和調整後的 R^2 表明更適合（p = 0.0144 和 r^2 = 0.438 適合） DSD，p = 0.0030 和 r^2 = 0.615 逐步）
我對其他一些輸出參數重複了這一點，發現一般來說，就二階項而言，擬合 DSD 比逐步選擇要保守得多。 這是真的？ 如果是這樣，是否仍建議使用 fit DSD 中的模型，即使它會導致模型擬合較差？
我附上了匿名數據。
謝謝。
