预测刻画器你好，
我写信给你是因为我发现两个图表之间存在一些差异。 第一个图是在 JMP 上绘制的，它是一个预测剖面图，第二个图是在 Minitab 中绘制的。 我的问题是因为我在 JMP 图中发现了一个奇怪的结果。 我发现了一个负类型的结果值，而实际上我没有它，所以我发现 Minitab 上的结果更加连贯。但是，我更喜欢 JPM 给出结果的方式。 因此，我想知道为什么我会有这样的差异。
JMP 14
Minitab 结果
回复：预测分析器你好@阿奇,
正如 Mark 提到的，您在此处显示的 Minitab 的“主效应图”显示的内容与 JMP 中的预测刻画器完全不同*当你的模型与交互相匹配时。 如果您拟合仅主效应模型，则 JMP 预测刻画器和 Minitab 中的“主效应图”显示的内容基本相同（更新：假设数据平衡，设计的每个单元格中的观察数量相同 - 感谢马克的注释）。
我将刻画器排列为两行，以便最接近地匹配 Minitab，预测刻画器红色三角形 > 外观 > 按行排列：
也就是说，为什么这些图在这种特殊情况下匹配（具有平衡数据的仅主效应模型），但在您之前拟合的模型中不匹配，这就是问题的核心@马克贝利正在解释，并且对于理解我们在模型中所做的选择至关重要。
JMP 中的预测刻画器显示有条件的在给定其他预测变量的选定水平的情况下，Y 和给定预测变量之间的关系，而 Minitab 的主效应图本质上忽略其他因素并显示 Y 和给定预测变量之间的平均关系。 那么这意味着什么？为什么 JMP 和 Minitab 的输出与上述情况相匹配（我在 JMP 中拟合了仅主效应模型）？ 让我们采用您首先展示的初始模型（以及保存到数据表中的内容）。
暂时搁置马克关于其中一些术语不可估计的观点（这当然很重要，但与本文不同），该模型旨在理解（即统计估计）每个预测变量的主要影响作为每对预测变量之间的双向相互作用。 这些相互作用是主效应图和预测刻画器之间差异的关键，因为这些相互作用使我们的模型能够捕获 Y 和每个预测变量之间的关系可以不同当另一个预测变量的水平发生变化时。让我们看看这个模型的轮廓仪，我将更改每齿进给量的水平。 正如我所做的那样，看看最左边的刀具磨损和刀具类型之间的关系：
您会注意到最左边的刀具磨损 (y) 和刀具类型之间的关系在每齿进给量不同的情况下是不同的。这些变量之间存在相互作用。工具类型和其他变量之间也存在相互作用。“仅主效应”图只是对这些不同的关系进行平均，以得出平均的、无条件的关系。 这就是 minitab 在主效应图中显示的内容，也是 JMP 将在预测刻画器中显示的内容如果你拟合一个没有交互的模型，就像这样：
我将使用下面的轮廓仪进行相同的练习，改变每齿的进给量。 再次，看看刀具磨损与刀具类型之间的关系： 
这次您只会注意到截距变化 - 也就是说，刀具磨损和刀具类型之间的关系是相同的模式，但刀具磨损的预测仅根据每齿进给量的贡献量而更高或更低。 这些效果只是相加的……不可能发生交互，因为我们没有为模型提供拟合/找到交互的可能性。
我希望这有助于澄清您在 Minitab 中的主效应图与 JMP 中的预测刻画器之间看到的差异。
@朱利安
回复：预测分析器我不知道你的意思。
但两者的结果看起来还是有区别
哪个结果？ 有什么区别？
R：Minitab 和 JMP 图形之间的线条趋势不同
这是刀具磨损而不是刀具温度。
您的要求是关于工具磨损的。 那个分析就是你所展示的。
我想要像以前一样的 x 轴，因为我使用这些值来开发我的实验。
R=是的，但是您使用了工具温度
x 轴值是多少？
我不想在轴上从 1 到 4.3，我想要 1 和 4.3
此致
回复：预测分析器我不知道你的意思。
但两者的结果看起来还是有区别
哪个结果？ 有什么区别？ 您是否正在将预测刻画器与其他类型的绘图进行比较？ 您是否正在比较 JMP 和 MINITAB？
这是刀具磨损而不是刀具温度。
您的要求是关于工具磨损的。 那个分析就是你所展示的。 我也是这么分析的。
我想要像以前一样的 x 轴，因为我使用这些值来开发我的实验。
我认为你所说的“之前”是指当你使用名义模型类型作为定量因素时。 除其他外，该选择将生成一个预测刻画器 x 轴，仅接受数据列中的级别。 它还不允许您在实验中使用的因素之外的任何因素水平上进行优化。 （卡在“选出获胜者”。） 模型中的这些因子项也需要两倍的参数。
另一方面，我这样做的方式（使用连续建模类型）显示了连续响应配置文件（现实），并且仍然允许您输入所需的任何因子水平，包括实验中的那些水平。 它还允许您找到最佳水平，即使它不是实验中使用的三个水平之一。 （插值）
回复：预测分析器非常感谢您，但是两者的结果看起来仍然不同，这是刀具磨损而不是刀具温度。 此外，我希望 X 轴与以前一样，因为我使用这些值来开发我的实验。 我能做些什么？
此致
@马克贝利写道：
这是更新后的数据表。
回复：预测分析器这是更新后的数据表。
回复：预测分析器首先，我将所有定量因素的建模类型从名义型改为连续型。
其次，我分析了因子水平的分布，发现工具类型 = O仅当切割宽度 = 1 ，因此这一设计缺陷消除了交互参数估计之一。 看：
第三，我选择了一个在前向使用逐步回归的模型。 （请注意，我用原始工具类型因子替换了 Stepwise 创建的对比以进行最终回归分析。）我得到了这个预测刻画器：
这些概况看起来很合理。 所以我认为你的模型有问题。
至于预测刻画器和 MINITAB 中的主效应图之间的差异，您正在比较两个完全不同的图。 预测刻画器显示响应中每个因素的轮廓以其他因素的当前水平为条件。 因此，它是一个预言分析器。 另一方面，MINITAB 中的主效应图显示每个因子水平的无条件平均响应。 它是数据的平均值（当设计不平衡时会有偏差，如本例所示）。 它不是模型的（无偏）最小二乘均值。
