내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomial커뮤니티 여러분,
내 시스템을 모델링하기 위해 3차원 셰프 다항식을 사용하고 있는데 하나의 응답에 대한 분석을 해석하는 데 어려움이 있습니다. 제 분석 결과를 여러분이 볼 수 있도록 게시하고 있습니다. 도움을 주셔서 미리 감사드립니다.
매개변수 및 효과 테스트에 대한 추정치입니다.
나는 매우 높은 r^2를 가지고 있어 나를 더욱 의심하게 만들었습니다. r^2= 0.999 그리고 물론 매우 작은 잔차
마지막으로 모든 용어가 중요한 것으로 보입니다. 이것이 직장에서 약간의 과적합이 있을 수 있다고 믿는 이유라고 생각하지만 확실하지 않습니다.
기본 데이터 분석 및 모델링실험 설계Re: 내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomialScheffe 입방 모델은 모델을 혼합물에 맞추는 데 사용됩니다. 즉, 모든 관측값의 합이 정확히 1이어야 합니다. 반올림 오류는 허용되지 않습니다. 이를 확인하는 빠른 방법은 분산 분석 테이블(여기에 포함되지 않음)을 보는 것입니다. 아래쪽에 "축소된 모델에 대해 테스트됨: Y=평균"이라는 메시지가 있어야 합니다. 메시지에 평균 대신 0이 표시되면 혼합 모델을 적합하지 않은 것입니다. 이는 일부 비정상적인 결과를 설명할 수 있는 비절단 모델입니다. 다른 작업을 수행하기 전에 수정해야 합니다.
실제로 혼합 모델을 피팅하고 있다는 확신이 들면 이러한 결과를 의심하는 이유는 무엇입니까? 결과가 너무 좋아서 사실이 아닌 경우 모델 오류의 자유도는 얼마나 됩니까? 분산 분석 테이블에서도 이를 확인할 수 있습니다. 자유도가 낮으면(당신이 가지고 있다고 생각합니다) 모델이 과적합될 수도 있습니다. 모델이 포화 상태에 가까울 수 있습니다. 즉, 시스템의 변동성을 캡처할 수 있는 오류 항의 자유도가 충분하지 않습니다. 데이터에 복제본이 있습니까? 모든 데이터 세트에 복제를 추가하면 시스템 오류를 더 잘 추정할 수 있습니다.
이것들은 단지 몇 가지 아이디어일 뿐입니다. 탐험할 수 있는 다른 많은 가능성이 있습니다.
Re: 내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomial친애하는 댄,
내 시스템은 혼합되어 있지만 D-Optimality 디자인을 사용하기로 결정했습니다.
나는 11도의 자유도를 가지고 있다. 이것이 낮은 숫자라면 나는하지 않습니다. 복제본을 추가하겠습니다. 감사합니다. 오그먼트 디자인부터 해야 할까요?
내가 탐색할 다른 권장 사항이 있습니까?
시간을 내주셔서 감사합니다.
Re: 내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomial출력에서 나는 분석이 좋은 진정한 Scheffe 모델임을 알 수 있습니다. 11개의 자유도(12 런)가 있지만 오류에 대한 자유도는 2개뿐입니다. 즉, 모델에 10개의 항이 있습니다. 시스템의 오류를 추정하기 위한 추가 실행이 많지 않습니다. 그러나 추가 실행을 추가하기 전에(Augment를 사용하는 것이 좋은 접근 방식임) 오류가 실제로 너무 낮다고 생각하십니까? 적합 요약에서 평균 제곱근 오차를 확인하십시오.이 숫자는 정상 상태에서 실행할 때 시스템의 표준 편차에 가까워야 합니다. 올바르게 보입니까? 그렇다면 다시 질문하겠습니다. 이 핏이 의심스러운 이유는 무엇입니까? Scheffe 모델의 주요 효과에 대한 테스트는 관련이 없으므로 무시해야 합니다. "상호 작용"에 대한 테스트만 볼 것입니다. 어쩌면 그들은 모두 정말로 중요해야합니까?
Re: 내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomial친애하는 댄,
시간을 내어 답변해 주셔서 다시 한 번 감사드립니다. 무지하게 들릴 위험이 있으니 물어봐야 겠습니다. 정상 상태에서 실행하는 동안 시스템의 표준 편차를 어떻게 확인합니까? 시간이 오래 걸리므로 12번의 실험을 모두 반복하지 않도록 수동으로 반복 실험을 추가할 수 있습니까(설계의 모서리를 확인하는 등)?
감사합니다
알렉스
Re: 내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomial나는 모든 것을 포괄하는 답변을 제공할 만큼 귀하의 시스템에 대해 충분히 알지 못합니다. 그러나 정상 상태에서 실행할 때 시스템의 표준 편차를 결정하는 몇 가지 가능한 접근 방식은 다음과 같습니다.
측정하고 있는 반응은 무엇입니까? 측정 프로세스를 평가했습니까? 그렇다면 측정 시스템의 재현성(또는 반복 가능성)은 시스템의 표준 편차를 추정하기 위한 좋은 지침이 됩니다. 이것은 가능한 가장 낮은 표준 편차를 제공할 것입니다.
이것이 생산 프로세스인 경우 전혀 변경하지 않고 프로세스를 실행하면 종종 시스템의 표준 편차가 발생합니다.
공식을 만들고 이를 여러 테스트 표본으로 나누고 각각을 독립적으로 측정하여 시스템의 표준 편차를 결정할 수 있습니다. 이렇게 하면 제형의 실제 제작으로 인해 발생하는 변동성이 제거됩니다. 변동성이 클 수 있는 경우 동일한 공식을 여러 개 만들고 각각을 측정할 수 있습니다.
설계된 실험을 실행하기 전에 고려해야 할 핵심 사항 중 하나는 측정 시스템을 평가하는 것입니다. 이렇게 하면 측정 시스템 자체로 인해 발생할 수 있는 문제를 피할 수 있습니다. 또한 해당 측정 시스템을 평가하면 설계된 실험에서 예상할 수 있는 오류에 대한 합리적인 아이디어를 얻을 수 있습니다. 따라서 실험을 수행하기 전에 특정 실행 횟수가 주어졌을 때 설계에 대한 검정력을 적절하게 평가할 수 있습니다. 요컨대, 실험이 수행된 후 분석에 대한 잠재적인 문제/질문 중 일부를 피하는 데 도움이 될 수 있습니다.
Re: 내 회귀 분석 결과를 해석하는 매우 높은 r 제곱 cubical scheffe polynomial친애하는 댄,
응답 해주셔서 감사합니다. 내가 측정하는 응답은 열전도율과 표준입니다. 프로세스의 편차는 실제로 매우 낮습니다.그러나 분석의 RMSE만큼 낮지는 않습니다. 이것이 내가 더 잘 맞도록 시도하고 얻기 위해 몇 가지 포인트(5)를 복제하기로 결정한 이유입니다.
감사합니다
알렉스
