需要幫助理解交互變量<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好
我正在嘗試對實驗進行簡單的兩路分析；每個因素有 3 個水平，每個水平有一個重複。 兩個變量都是連續的。 當運行分析並查看輸出和參數估計時，我看到以下內容：
截距
因素1
因素2
(因子 1 - x) * (因子 2 - y) 其中 x 和 y 似乎是某個平均/任意值
有人可以解釋我如何在回歸方程中使用 (因子 1 - x) * (因子 2 - y) 嗎？
此外，確定不同因素的哪些水平最重要的最佳方法是什麼。
謝謝
回复：需要幫助理解交互變量是啊。 我相信您在另一個帖子中也問過這個問題。 進行居中是為了減少由尺度差異引起的共線性。 這是 JMP 幫助您進行分析的一種方式。
例如，假設在此設計中，因子 X1 的範圍為 100 到 200，因子 X2 的範圍為 1 到 2：
X1 X2 X1*X2
100 1 100
100 2 200
200 1 200
200 2 400
交互作用的範圍為 100 到 400。 X1 和 X1*X2 相互作用之間的相關性為 0.688，相當高。 如果我在相乘之前將 X1 和 X2 居中，則 X1 與居中的 X1*X2 交互作用之間的相關性為 0。 這是一件好事，這就是 JMP 這樣做的原因。 此外，JMP 還提供了理解模型並在中心化的情況下對其進行評估所需的工具。
你能把這個關掉嗎？ 是的。 在“擬合模型”對話框中，單擊左上角的紅色三角形並“取消選中”“中心多項式”選項，然後單擊“運行”。 但是，請記住，通過這樣做，您將增加模型中的多重共線性，這反過來又會增加參數估計的方差並影響這些參數估計的統計檢驗和顯著性。
回复：需要幫助理解交互變量感謝您的解釋，因為我也遇到了同樣的問題。
我還有另一個問題，簡化公式後，是否可以在“參數估計”表中簡單地使用 x1*x2 而不是 (x1-a)*(x2-b) ？
謝謝 ！
需要幫助理解交互變量你是對的。 零是因為你所有的自由度都用完了。 這就是為什麼我問你它們是否可以被視為連續的。 您是否嘗試過使用逐步模型個性進行建模？
需要幫助理解交互變量這兩個因素是定量的，但可以歸類為名義因素。
我問的原因是因為當我使用 2 個因子和 2 個因子的交叉作為模型效應運行擬合模型命令時，模型效應的 F 檢驗為空。 我認為這是因為每個因素都有 2 個自由度，而相互作用又有 4 個自由度，這就形成了 8 個自由度。 這使得誤差項沒有自由度，這就是 F 檢驗無法顯示任何結果的原因。 是不是這樣？ 如果我在沒有交互項的情況下運行方差分析，它運行得很好。 如果我將其中一個因素更改為連續變量，它運行得很好，但我認為在我的情況下，它們都應該設置為名義變量。
我在網上查找，似乎作為一般規則，您無法僅使用 1 次重複/組合來正確分析 2 個因素之間的相互作用。 我只是想確定這個事實。
需要幫助理解交互變量你應該沒事。 如果都是 3 級分類因素，則模型相當飽和，但您會得到描述的交互項。 您還可以嘗試逐步回歸以使模型更加簡潔。 如果一個因素是連續的，一個因素是分類的，那麼在我看來，當利用紅色三角形下的“模擬響應”時，您有足夠的自由度來進行交互和誤差。 或者，您也可以添加額外的行並複制其他組合之一。
需要幫助理解交互變量我現在明白了，謝謝。
還有一個問題... 如果我有一個包含 2 個因素的數據集，但只有 1 個複制/觀察（如下所示），由於自由度不足，我無法進行任何交互分析，對嗎？
因素 A 因素 B 響應
1 y1
1 b y2
1 c y3
2個y4
2 y5
2c y6
3個y7
3 y8
3c y9
需要幫助理解交互變量首先擬合模型後，轉到紅色三角形並選擇保存列>“預測公式”
這會將模型的預測公式保存到數據表中。
轉到 JMP 數據表，您會注意到最右側添加了一個新列，名為預測公式
雙擊列標題，將出現一個對話框。
在列屬性下拉列表中突出顯示公式
單擊編輯公式按鈕
轉到紅色三角形下拉菜單並選擇簡化
這將為您提供簡化的參數估計。
您獲得奇怪的參數估計值的原因是您可能選擇了 3 水平設計。 您可以通過兩層設計完成同樣的事情，只需添加中心點，這可能會更簡單。
