При использовании приложения MBC Model Fitting для подгонки статистических моделей к экспериментальным данным приложение автоматически подгоняет модели к вашим данным. Модели по умолчанию, как правило, могут обеспечить хорошую подгонку, но рассмотреть возможность оценки посадок и изучения альтернативных моделей. Оценив первоначальное соответствие модели, используйте инструменты приложения, чтобы создать больше моделей для поиска наилучшего соответствия.
Для создания альтернативных моделей в видах моделей браузера моделей используйте ссылки Общие задачи (Common Tasks). После создания моделей для сравнения на виде модели появится список Альтернативные модели (Alternative Models). Чтобы помочь оценить каждую модель и решить, какую модель выбрать наилучшим образом, используйте графики и диагностическую статистику браузера модели.
После использования диалогового окна Шаблон модели (Model Template) для создания дочерних узлов панель инструментов выбирает оптимальную модель из альтернативных вариантов (обозначенных синим значком) на основе выбранных критериев выбора. Для локальных узлов выбирается лучший дочерний узел каждой функции ответа.
Оцените все посадки в списке Альтернативные модели (Alternative Models) на случай, если вы хотите выбрать альтернативу в качестве лучшей посадки.
Чтобы сравнить графики и статистику и выбрать лучшую модель, выберите каждую модель в списке альтернативных моделей. Для определения наилучшего соответствия изучаются как графики, так и статистика. Начните с визуального осмотра графиков модели. В браузере модели используйте графики «Модель ответа» в узле плана тестирования. Дополнительные сведения об использовании графиков для сравнения посадок см. в разделе Оценка тенденций модели высокого уровня.
Используйте сводную таблицу для оценки выбранной модели. Если у вас есть список альтернативных моделей, используйте ту же статистику в списке, чтобы сравнить модели и выбрать лучшие.
Сводная таблица может содержать следующую информацию.
Статистическая величина | Описание | Оценка соответствия модели |
|---|---|---|
Наблюдения | Количество наблюдений, использованных для оценки модели. | НА |
Параметры | Количество параметров в модели. Модели гауссовых процессов отображают эффективное количество параметров, поэтому они могут быть неинтегренными. | Ищите модели с меньшим количеством параметров, чем наблюдения. Если количества близки, это указывает на возможную переоборудование. |
ПРЕСС RMSE | Среднеквадратичная ошибка прогнозируемых ошибок. PRESS RMSE - это мера прогнозирующей мощности ваших моделей (только для линейных моделей). Делителем, используемым для PRESS RMSE, является количество наблюдений. Остатки находятся в нетрансформированных значениях, что позволяет сравнивать альтернативные модели с различными преобразованиями Бокса-Кокса. | Найдите более низкие значения PRESS RMSE, чтобы указать лучшие посадки без переоборудования. Сравните PRESS RMSE с RMSE. Если значение PRESS RMSE намного больше, чем значение RMSE, то выполняется переоборудование. |
RMSE | Среднеквадратичная ошибка. Делителем, используемым для RMSE, является количество наблюдений минус количество параметров. Остатки находятся в нетрансформированных значениях, что позволяет сравнивать альтернативные модели с различными преобразованиями Бокса-Кокса. | Найдите более низкие значения RMSE, чтобы показать лучшие соответствия, но остерегайтесь переоборудования. См. НАЖАТЬ RMSE. |
AICc | Информационные критерии. Недоступно для гауссовых моделей процессов. | Найдите более низкие значения AICc. Значимо только различие между значениями AICc для двух моделей, а не абсолютное значение: если это различие больше, чем около 10, то отбросьте худшую модель. |
Коробка-Кокс | Преобразование мощности, используемое для преобразования box-cox. 1 указывает на отсутствие преобразования. 0 означает, что используется преобразование журнала. | 1 указывает на отсутствие преобразования. 0 означает, что используется преобразование журнала. |
Проверка RMSE (только одноступенчатые модели) | Среднеквадратическая ошибка между одноступенчатой моделью и данными проверки. | Найдите более низкие значения RMSE проверки. |
Для линейных моделей используйте пошаговые функции (выберите опцию Пошаговый (Stepwise) во время настройки модели), чтобы уточнить модели и удалить менее полезные термины модели. Проверьте наличие отклонений, но не удаляйте их автоматически без уважительной причины.
После оценки моделей и выполнения выбора экспортируйте модели в CAGE для оптимизации калибровки. В узле плана тестирования щелкните Generate calibration (Генерировать калибровку) на панели Common Tasks (Общие задачи).
Чтобы помочь оценить модели, можно выбрать дополнительную статистику в диалоговом окне Сводная статистика (Summary Statistics). Стандартная сводная статистика - PRESS RMSE (только для линейных моделей) и RMSE.
Чтобы открыть диалоговое окно Сводная статистика (Summary Statistics):
В любом узле глобальной модели выберите Модель > Сводная статистика.
В плане тестирования щелкните правой кнопкой мыши блок глобальной модели и выберите «Сводная статистика». Если необходимо, чтобы сводная статистика применялась ко всем моделям в плане тестирования, используйте эту опцию перед построением моделей. При создании дочернего узла сводная статистика наследует узел плана тестирования или статистику родительского узла.
Выберите дополнительную статистику, установив флажки.
Нажмите кнопку OK. Изменения, внесенные из узла глобальной модели, немедленно применяются к таблице Сводка (Summary) и панели списка Модели (Models).
Доступные статистические данные | Описание | Оценка соответствия модели | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
-
| Имена и формула отображаются в диалоговом окне. | В общем, ищите более низкие значения. В этой таблице содержатся общие указания.
| ||||||||||||
| Индикатор состояния. | Высокие значения (например, > 108) могут быть признаком численной нестабильности. | ||||||||||||
| Информационные критерии. Доступно для сравнения, только если одни и те же данные используются для всех моделей. Недоступно для гауссовых моделей процессов. |
| ||||||||||||
Дурбин-Ватсон | Корреляция соседних наблюдений, обычно остатков регрессии временного ряда. | Значение 2.0 указывает на отсутствие временной корреляции. |
Примечание
Для обычных случаев наименьших квадратов «p» - число параметров, но для нестандартных случаев наименьших квадратов (ролов и гребней наименьших квадратов) «p» - эффективное число параметров (p = N-df).
Расчет суммарной суммы квадратов (SST) зависит от константы модели. Если модель имеет константу, расчет суммарной суммы квадратов (SST) зависит от среднего значения (SST = sum (y-ymean) ^ 2). Если модель не имеет константы, расчет не зависит от среднего значения (SST = sum (y) ^ 2).
Для просмотра сведений, перечисленных в таблице, можно использовать другие окна оценки модели.
| Кому | Выбрать |
|---|---|
Просмотр доступной только для чтения версии входных данных, прогнозируемых и фактических ответов. | Просмотр > Данные моделирования, чтобы открыть редактор данных. |
Отображение подгонки относительно выбранных данных. | Модель > Оценка, чтобы открыть мастер, помогающий выбрать данные, а затем открыть окно Оценка модели. |
Печать нескольких моделей на одном графике или табличном виде. | Модель (Model) > Окно выбора (Selection Window), чтобы открыть окно Выбор модели (Model Selection). |