RSM的R2低失拟合是否可以预测

Kevin123

大家好，这两天研究15年一篇文献，用DOE做的。简单说，有三个X，两个Y，RSM做的。数据做出来后，拟合Y1，R2 adjust>0.9, 失拟合不显著，方差很好；另一个Y2就比较惨了，R2约0.5，又市拟合，方差图又不好看，然后作者没有去掉不显著项直接就拟合找到两个的交叉区域，就算是预测的操作空间了。详细的数据放在附件里，是excel表，大家感兴趣可以跑一下数据。我的疑问是，1，这种不需要去掉不显著项么,2，RSM做到Y2这种程度，R2又小又失去拟合，这种能预测么？如果是我们自己做出这种结果，下一步该怎么办呢？谢谢大家！
设计也挺奇怪的，描述见下。三个因素选择了个a=1.414，奇怪；轴点我算了一下，也跟文献里的不一样；

下面是原始的数据了，已经整理好在附件里。

7.5

xuzhan

1. 一般情况下，明显不显著的效应项应予以剔除，以达到模型简化优化和防止过度拟合的目的

2. R2过小，说明模型可解释的过程变异很小；模型有失拟，一般说明模型可能欠缺一些高阶项，这类模型个人认为不适宜用来预测或用来定义工艺窗口，自行站在上帝视角模拟一个过程就可以知道

3. 下一步怎么办，没记错的话，还是同您上次问过的问题，只能具体案例具体分析，寻求一些可能导致模型不佳的原因，才能对症尝试改进。常见的方向如诊断建模方法是否得当、增减一些效应项、增加一些重复试验、试验结果和测量系统是否可靠、是否遗留一些其他可能影响过程的因子未纳入考察范畴...仅从“失拟”的启示而言，添加一些高阶项，也可见一些改进效果，但这也未必是最正确的方向，但核心逻辑无外乎就是基于假设的可能原因，逐一验证改进，即通常所谓的“大胆假设、小心验证”而已。最后，也不代表所有的过程都可以理所当然地获得一个理想的统计模型


4. 此外，对于轴点倒是无需过度纠结，作者应该大概率是出于便于试验安排的角度考虑，对参数水平设定就近取整，和常规的CCC设计相比，所影响的应该是轻微的功效和预测精度差异