应在模型中包括项还是排除项?

有关应在响应曲面模型中包含哪些项以及从中排除哪些项的决策是非常重要的。此决策会受到多个注意事项的影响。
  • 通常,排除某一项的第一步是观测它的 p 值。如果 p 值小于 alpha 水平 (α),则该项应当保留在模型中。
  • 即使 p 值小于 α,您可能也希望排除该项。但是,首先应考虑:
    • 排除该项后,调整的 R 平方和 S 会如何变化。调整的 R 平方越高,模型越好。S 越低,模型越好。因此,如果排除该项会降低调整的 R 并提高 S,那么该项应保留在模型中。
    • 排除项对失拟的影响。您可以通过评估残差图来确定失拟。
    • 排除低阶项如何影响模型分层。在分层模型中,组成高阶项的所有低阶项也将在模型中显示。例如,如果模型中包含 A、B、C、A*B、A*C 和 B*C 项,还包含交互作用项 A*B*C,则该模型是分层的。如果希望生成采用未编码(或自然)单位的方程,则响应曲面模型必须是分层的。

上述所有注意事项都是统计方面的。有时,出于一些技术或科学上的考虑,可能希望在模型中包含看似不显著的项。因此,必须综合运用技术和统计知识来指导您的决策。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策