配合計画のデータ分析こんにちは、みんな、
JMP の専門家から提供されたスクリプトを使用して、ある種のミックス計画を作成しようとしました。
このスクリプトでは 10 個のコンポーネント (a1、a2 - b1、b2、b3、b4 - c1、c2 - d1、d2) を持つことができ、混合物は次のものだけで構成されます。
a1 または a2 または 0
b1 または b2 または b3 または b4 または 0
c1 および/または c2
d1 または d2 または 0
ステップを選択すると、スクリプトは実行するための実験テーブルを提供します (係数にバイアスがあったため、新しい実験と純粋なコンポーネントでテーブルを強化しました)
モデルの利用には次数 2 モデルを使用しましたが、非常に多くの係数に対する少数の実験では機能しないと予想していましたが、特定の特性では機能しました。
例として2つの物件を取り上げました。
p2 では、適合がうまく機能し、観察と予測によく適合するモデルができました。
p4 では、フィッティングは観察ではうまく機能しますが、EC が巨大で、r² が 0 未満の場合、予測はうまく機能しません。
モデルの品質を向上させるためのコメントや解決策はありますか?
よろしくお願いします
高度な統計モデリング基本的なデータ分析とモデリングデータの探索と視覚化実験計画法混合設計に関するデータ分析についてデータをお送りいただきありがとうございます。出力の「混乱」というラベルの付いたセクションは、モデルが過剰に指定されていること、つまりデータが推定をサポートしていない項がモデル内にあることを示唆しています。これにより推定値に偏りが生じ、分散が増加する可能性があります。
主効果モデルのみを使用して両方の応答を分析しました。クロスタームはまったくありません。私の結果は次のとおりです。
p2 のモデルは、残差プロットを見なくてもかなり良く見えます。同様に、p4のモデルも良さそうです。繰り返しますが、残差プロットは含めていません。あなたが見つけた高い標準偏差や負の PRESS が表示されないことに注意してください。
同様の結果が得られなかった場合、私たちはまったく異なるモデルを使用したと思います。さらに、高い標準偏差と負の PRESS は、モデルがデータを過剰適合していることが原因であると推測します。項数が多すぎるモデルを指定すると、観察されたデータへの適合度は高くなりますが、適合度が高すぎる可能性があります。言い換えれば、モデルは信号と一部のノイズを適合させます。ノイズの一部を当てはめると、分散が増加し、モデルは新しい観測値にあまり適合しなくなります。過学習のもう 1 つの兆候は、RSquare と調整済み RSquare (分析画像の一部ではありません) の間のかなり大きな差異です。過剰適合は、高い R2 乗値を求めるだけが常に最善であるとは限らない理由の 1 つです。
これが、何が起こっているかについての私の推測です。モデル項が多すぎて、オーバーフィッティングが発生しています。RSquare と調整済み RSquare を確認してください。それらは互いにかなり近いはずです。おそらく 0.07 程度 (どれくらい近いかという大まかな目安です)。問題を修正するには、不要なモデル項、特に収集されたデータでサポートされていない項を削除してみてください。
混合設計に関するデータ分析についてああ、私の推測をさらに裏付けるもう 1 つのことは、p4 応答に欠落している応答がいくつかあることです。つまり、p2 と同じモデルを p4 に適合させることはできません。
