适合确定的筛选方法适用性亲爱的JMP用户
我建立了一个模型，我想评估6个不同的自变量（包括相互依赖性）对某个输出的影响。不知道怎么做，但我做的是我为每个变量分配了一个低和高级别，以减少运行次数。然后我在JMP中使用了Fit确定性筛选方法，我运行了程序构建的多元回归模型，并使用logworth表来对每个变量的效果进行排序。
现在的问题是，方法是否正确？如果不是，那么在JMP中构建多元回归分析的最佳方法是什么，并计算每个变量的p值/ logworth以及相互依赖性
谢谢
Re：适合确定的筛选方法适用性嗨，伊恩
对于迟到的回复道歉，我想现在我对我真正想做的事情有了更多的理解
基本上我的目标是进行灵敏度分析，看看哪个indp变量对我的输出影响最大。现在的问题是我的输出来自另一个模型，换句话说它是一个确定性模型
所以首先我假设JMP计算的logworth值给出了一个最重要因素的排名
但现在我意识到我的理解是不正确的，因为logworth基本上是一个p值，它给出了一个因子很重要的概率而不一定是它的影响
那么我能做什么的任何建议？或者甚至可能JMP不合适？Re：适合确定的筛选方法适用性当使用统计设计的实验（简称DoE）时，“设计”和“分析”应该齐头并进。为了反映这一点，（至少在JMP 14中）在“DOE>确定性筛选”下有两个菜单选项，尽管原理是通用的。
因此，关于分析问题的答案将主要取决于您实际执行的操作（您的设计）。你说你用'a 每个变量的低和高级别可以最小化运行次数 '，并且您对六个因素之间的相互作用感兴趣。也许你可以使用'Tables> Anonymize'并发布结果？然后人们会有更多的事情继续下去。。。
