OLS変数の重要度、相互作用の用語、予期しないエラーこんにちは
連続DVとIVを使用して簡単なOLS回帰を実行しています。予測プロファイラーを有効にし、変数の重要度を評価することを選択し、主効果と合計効果、およびそれらの標準値の表を取得しました。エラー。OLSモデルに相互作用項を追加すると、予測プロファイルでエラーがスローされます（変数の重要度には、データテーブルに少なくとも2つの行が必要です）。インタラクション用語によるものなのか、他の問題によるものなのかわかりません。
関連する注意事項として、OLSモデルの予測プロファイラーと相対変数の重要性は、相互作用項を処理できますか？とにかく相互作用用語と主な用語の重要性を見るためにありますか？変数重要度テーブルの主効果と総合効果（相互作用項あり、相互作用項なし）を見ると、正味の変化は相互作用に起因する可能性がありますか？
JMP 15.3 proを使用して、Windows 10
再：OLS変数の重要性、相互作用の用語といくつかの予期しないエラープロファイルは、非線形項を含むモデル全体に基づいています。1つの変数のプロファイルは、単に他の変数を現在の値に固定します。したがって、変数値のサンプリングはモデル全体で使用されます。
このモデルには、3つの相互作用効果すべての用語が含まれています。
再：OLS変数の重要性、相互作用の用語といくつかの予期しないエラーしゅう応答に感謝し、例を提供
同じモデルを複製し、2つのバージョンのスクリーンショットを提供しました.1つは主効果のみを持ち、もう1つは3つの相互作用と主な用語すべてを持っています。相互作用なしモデルの高さの主な効果は0.76程度の相互作用モデル、それは0.391です。これらの2つの数字をもっと読むには？基本的に、身長だけや身長*体重などの相対的な重要性を評価しようとしています。
1）この差0.36は、高さと他の用語および他の用語との相互作用によるものです。
2）0.76には、身長と相互作用の主な効果が含まれていますか？
3）モデルに主効果と相互作用効果が明示的に含まれているかどうかに関係なく、相互作用項は暗黙的に別の独立変数として扱われますか？
主要因と相互作用の階乗
主効果のみで相互作用項はありません
再：OLS変数の重要性、相互作用の用語といくつかの予期しないエラー総効果は、因子または予測子の特定の変動に対する予測応答の変動に直接比例する指標として定義されます。このインデックスその要因の相対的な寄与を単独で反映します他の要因と組み合わせて 。
したがって、1次モデルを選択すると、身長、年齢、性別の合計効果はそれぞれ0.779、0.217、0.01になります。一方、一次項と交差項を持つモデルを選択した場合、身長、年齢、性別の合計効果はそれぞれ0.712、0.515、0.216です。私は期待しないだろう重要性任意の1つの変数が異なるモデル間で同じままであること。モデル間でのインデックスの変更は重要ではありません。
プロファイラーは搾取次のモデリングの段階選択ステージ。選択段階で、異なるモデル間でAICcの変化を監視する場合があります。AICc 前後の段階では役に立ちません。同様に、総効果指数は、前の段階ではなく、選択したモデルの活用中に役立ちます。
君はこの機能を使用して、他の候補モデルよりも1つのモデルを選択しないでください。この機能を使用して、選択したモデルを調べて理解する必要があります。そのため、同じ要因を使用して異なるモデル間でこのインデックスの変化を見ることは意味がありません。
見てください助けて > JMPドキュメントライブラリ > プロファイラー > 第3章：プロファイラー 。この章には、変数の重要性の評価機能の説明に専念するセクション全体があります。 の終わりこの章には、統計的さまざまな重要性指数の計算を含む詳細。
再：OLS変数の重要性、相互作用の用語といくつかの予期しないエラーさらなるコメント。あなたが言った、" これら2つの数字をもっと読む方法は？基本的に、身長だけや身長*体重などの相対的な重要性を評価しようとしています。 「この声明の解釈の1つは、線形統計モデルに関する誤解です。これは、それぞれが単一のパラメーターを係数とする項の線形結合です。たとえば、height ^ 2効果のようなものはありません。単に高さの効果があり、適切にモデル化するためにいくつかの用語が必要になる場合があります：height、height ^ 2、height * ageなど。高さ効果は、これらすべての用語の組み合わせによって表されます。副次効果について話すのは意味がありません。それらは単なる線形モデルのアーティファクトです。このような用語は、再帰パーティション、ニューラルネットワーク、ガウス過程など、使用する可能性のある他のモデルには存在しません。
このステートメントの別の解釈は、特定の因子の効果を表すために高次の用語を含めることの利点を知りたいということです。用語に関する推論を使用して、前の選択段階でその質問に答えることができます（たとえば、 t -比率または F -ratio）またはモデルのAICc。
誤解しないでください。私はあなたがしていることは間違っていると言っているのではなく、このインデックスを使用することを意図していない方法で使用している可能性があると言っています。
