需要帮助理解交互变量<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好
我正在尝试对实验进行简单的两路分析；每个因素有 3 个水平，每个水平有一个重复。 两个变量都是连续的。 当运行分析并查看输出和参数估计时，我看到以下内容：
截距
因素1
因素2
(因子 1 - x) * (因子 2 - y) 其中 x 和 y 似乎是某个平均/任意值
有人可以解释我如何在回归方程中使用 (因子 1 - x) * (因子 2 - y) 吗？
此外，确定不同因素的哪些水平最重要的最佳方法是什么。
谢谢
回复：需要帮助理解交互变量是啊。 我相信您在另一个帖子中也问过这个问题。 进行居中是为了减少由尺度差异引起的共线性。 这是 JMP 帮助您进行分析的一种方式。
例如，假设在此设计中，因子 X1 的范围为 100 到 200，因子 X2 的范围为 1 到 2：
X1 X2 X1*X2
100 1 100
100 2 200
200 1 200
200 2 400
交互作用的范围为 100 到 400。 X1 和 X1*X2 相互作用之间的相关性为 0.688，相当高。 如果我在相乘之前将 X1 和 X2 居中，则 X1 与居中的 X1*X2 交互作用之间的相关性为 0。 这是一件好事，这就是 JMP 这样做的原因。 此外，JMP 还提供了理解模型并在中心化的情况下对其进行评估所需的工具。
你能把这个关掉吗？ 是的。 在“拟合模型”对话框中，单击左上角的红色三角形并“取消选中”“中心多项式”选项，然后单击“运行”。 但是，请记住，通过这样做，您将增加模型中的多重共线性，这反过来又会增加参数估计的方差并影响这些参数估计的统计检验和显着性。
回复：需要帮助理解交互变量感谢您的解释，因为我也遇到了同样的问题。
我还有另一个问题，简化公式后，是否可以在“参数估计”表中简单地使用 x1*x2 而不是 (x1-a)*(x2-b) ？
谢谢 ！
需要帮助理解交互变量你是对的。 零是因为你所有的自由度都用完了。 这就是为什么我问你它们是否可以被视为连续的。 您是否尝试过使用逐步模型个性进行建模？
需要帮助理解交互变量这两个因素是定量的，但可以归类为名义因素。
我问的原因是因为当我使用 2 个因子和 2 个因子的交叉作为模型效应运行拟合模型命令时，模型效应的 F 检验为空。 我认为这是因为每个因素都有 2 个自由度，而相互作用又有 4 个自由度，这就形成了 8 个自由度。 这使得误差项没有自由度，这就是 F 检验无法显示任何结果的原因。 是不是这样？ 如果我在没有交互项的情况下运行方差分析，它运行得很好。 如果我将其中一个因素更改为连续变量，它运行得很好，但我认为在我的情况下，它们都应该设置为名义变量。
我在网上查找，似乎作为一般规则，您无法仅使用 1 次重复/组合来正确分析 2 个因素之间的相互作用。 我只是想确定这个事实。
需要帮助理解交互变量你应该没事。 如果都是 3 级分类因素，则模型相当饱和，但您会得到描述的交互项。 您还可以尝试逐步回归以使模型更加简洁。 如果一个因素是连续的，一个因素是分类的，那么在我看来，当利用红色三角形下的“模拟响应”时，您有足够的自由度来进行交互和误差。 或者，您也可以添加额外的行并复制其他组合之一。
需要帮助理解交互变量我现在明白了，谢谢。
还有一个问题... 如果我有一个包含 2 个因素的数据集，但只有 1 个复制/观察（如下所示），由于自由度不足，我无法进行任何交互分析，对吗？
因素 A 因素 B 响应
1 y1
1 b y2
1 c y3
2个y4
2 y5
2c y6
3个y7
3 y8
3c y9
需要帮助理解交互变量首先拟合模型后，转到红色三角形并选择保存列>“预测公式”
这会将模型的预测公式保存到数据表中。
转到 JMP 数据表，您会注意到最右侧添加了一个新列，名为预测公式
双击列标题，将出现一个对话框。
在列属性下拉列表中突出显示公式
单击编辑公式按钮
转到红色三角形下拉菜单并选择简化
这将为您提供简化的参数估计。
您获得奇怪的参数估计值的原因是您可能选择了 3 水平设计。 您可以通过两层设计完成同样的事情，只需添加中心点，这可能会更简单。
