OLS 变量重要性、交互项和一些意外错误你好
我正在使用连续 DV 和 IV 进行简单的 OLS 回归。 我启用了预测分析器并选择了评估变量重要性，并获得了包含主要和总效应及其标准的表格。错误。 如果我将交互项添加到我的 OLS 模型，预测配置文件会抛出错误“变量重要性需要数据表中至少两行）。 不确定是由于交互项还是其他问题。
在相关说明中，OLS 模型的预测刻画器和相对变量重要性是否能够处理交互项？ 反正有没有看到交互项和主要项的重要性？通过查看变量重要性表的主要和总效应（有交互作用项和没有交互作用项），净变化是否可以归因于交互作用？
使用 JMP 15.3 专业版，Windows 10
回复：OLS 变量重要性、交互项和一些意外错误进一步的评论。 你说， ”如何更多地了解这两个数字？ 基本上我试图单独评估身高和身高*体重等的相对重要性。 “ 对这种说法的一种解释是对线性统计模型的一些误解。 它只是项的线性组合，每个项都有一个参数作为系数。 例如，没有 height^2 效果这样的东西。 只有一个高度效应可能需要几个项才能充分建模：高度、高度^2、高度*年龄等。 高度效应由所有这些项的组合表示。 谈论子效应没有意义。 它们只是线性模型的产物。 我们可能使用的其他模型中不存在此类术语，例如递归分区、神经网络或高斯过程。
对该语句的另一种解释是，您想知道包含高阶项以表示任何给定因素的影响的好处。 您可以在之前的选择阶段使用关于术语的推理来回答该问题（例如，吨-比率或F -ratio) 或模型的 AICc。
请不要误解我的意思。 我并不是说你在做什么是错误的，我是说你可能以一种不打算使用它的方式使用这个索引。
回复：OLS 变量重要性、交互项和一些意外错误总效应被定义为一个指数，它与因子或预测变量的某些给定变化的预测响应的变异性成正比。 这个指标反映了该因素的相对贡献并结合其他因素.
因此，如果我选择一阶模型，身高、年龄和性别的总效应分别为 0.779、0.217 和 0.01。 另一方面，如果我选择具有一阶项和交叉项的模型，身高、年龄和性别的总效应分别为 0.712、0.515 和 0.216。 我不希望重要性任何一个变量在不同模型中保持相同。 跨模型的索引变化并不重要。
分析器是为开发建模阶段，它遵循选择阶段。 我们可能会在选择阶段监控不同模型的 AICc 变化。 AICc在之前或之后的阶段都没有用。 同样，总效应指数在所选模型的开发过程中很有用，而不是在先前阶段。
你不应使用此功能来选择一个模型而不是其他候选模型。 您应该使用此功能来探索和理解所选模型。 因此，使用相同的因素在不同模型中查看该指数的变化是没有意义的。
请参见帮助> JMP 文档库>分析器>第 3 章：探查器. 本章有一整节专门解释“评估变量重要性”功能。结尾这本章包括一个部分统计详细信息，包括用于计算各种重要性指数的信息。
回复：OLS 变量重要性、交互项和一些意外错误@马克贝利感谢您的回复并提供示例
我复制了相同的模型并提供了 2 个版本的屏幕截图，一个只有主效应，第二个具有所有 3 个交互作用和主要项。高度在无交互模型中的主要影响是 0.76，而在阶乘中度交互模型，它是0.391。如何读入更多这两个数字？ 基本上我试图单独评估身高和身高*体重等的相对重要性。
1）这个差异~0.36是由于高度与其他项以及其他项的相互作用
2) 0.76 包括身高和相互作用的主要影响？
3) 无论模型是否明确包括主要效应和交互效应，交互项是否被隐含地视为另一个自变量？
主要程度和相互作用的阶乘
只有主效应，没有交互项
回复：OLS 变量重要性、交互项和一些意外错误配置文件基于整个模型，包括任何非线性项。 一个变量的配置文件只是将其他变量固定为它们的当前值。 因此变量值的采样用于整个模型：
该模型包括所有三种交互作用的项。
