貝葉斯情節篩選效果在''舊的'BayesPlotForFactors.jsl腳本中，有一個選項指示在確定因子活躍的後驗概率時要考慮的最高階交互。既然貝葉斯圖已被包含在效果篩選下的標準最小二乘（萬歲！）中，則無法指示要包含在計算中的最高階交互。有人知道“默認情況下”使用的值是什麼，為什麼不再具有這種靈活性？
此外，從脊參數Gamma到K污染也發生了變化;這兩者之間的通信是什麼？
謝謝！
Re：用於效果篩選的貝葉斯圖混亂警報！Fit Least Squares平台中提供的Bayes圖和腳本提供的圖不是相同的方法，儘管它們是相關的。
首先，很久以前內置的情節被添加到JMP中。（JMP 3？）它基於Box等人的1986方法。人。只考慮主要影響。你不能改變那個計算。
其次，腳本圖在10 - 15年前被添加到JMP示例文件中。它基於Box等人的1993年方法。人。適合考慮更高階的條款。
所以你有倒退的年表。
計算完全不同。較舊的方法使用K來定義具有和不具有污染的估計的方差的比率（存在非零效應）。您可以為每個參數指定單個先驗概率。較新的方法使用脊參數進行收縮。它還對所有參數使用0.25的先驗概率。他們都考慮各自範圍內的所有潛在條款。
這些方法背後的論文非常容易理解。Box是一位出色的老師和作家。
Re：用於效果篩選的貝葉斯圖馬克，你也是一位出色的作家！謝謝你的澄清。我可能好奇：任何技術原因，為什麼適合最小二乘的貝葉斯圖未用更新的版本更新？對後來的方法有何保留？謝謝！Re：用於效果篩選的貝葉斯圖據我所知，這不是技術問題。我認為這是一個優先事項和方向問題。Bayes Plot是一個模型選擇工具。為了同樣的目的，JMP Pro中新的廣義回歸平台付出了很多努力。您可能會要求將較新的繪圖作為腳本替換Fit Least Squares平台中較舊的繪圖。請參閱上面菜單中的JMP願望清單。看看是否有其他人請求了這個情節並投票給它或者另外留下新的請求。
我只使用貝葉圖腳本。早期版本（內置）沒有錯，但正如我之前所說，它只考慮主要效果術語，因此它是有限的，我看到很多情況下，交互是一個很大的影響，但這兩個因素都沒有顯示出大的後驗優先。較新版本的情節代表了顯著的改進。
