错过真正的效果很糟糕，但识别虚假效果可能更糟Robert Anderson JMP 高级系统工程师
科学家和工程师需要能够为其工艺或产品找到最佳模型，并正确识别哪些因素真正重要，哪些因素不重要。通常，最令人担忧的是错过重要或关键的因素。然而，一个更隐蔽且可能更严重的问题是，统计建模方法经常识别出统计显著但并非真正活跃的因素。识别这些非真实效应会导致宝贵的科学和工程资源被浪费在进一步研究这些虚假效应上。识别出有缺陷的模型和非真实效应可能需要耗费大量的时间和资源。JMP Pro 中的保留验证方法提供了一种强大的方法，即使在数据集相对较小的情况下也能抑制这种模型过度拟合问题。本文将使用模拟数据集，展示检测非真实效应问题发生的频率和容易程度，以及保留验证如何有效地抑制这一问题。然而，保留验证并非灵丹妙药，本文还将展示一些其效果不佳的例子。
