OLS可變重要性，交互作用術語和一些意外錯誤你好
我正在使用連續的DV和IV進行簡單的OLS回歸。我啟用了預測分析器，並選擇評估變量的重要性，並獲得了具有主要和總體影響及其標準差的表格。錯誤。如果在我的OLS模型中添加一個交互項，則預測配置文件會拋出錯誤“變量重要性在數據表中至少需要兩行）。不知道這是由於交互作用術語還是其他問題引起的。
與此相關的是，OLS模型的預測分析器和相對變量重要性是否能夠處理交互項？無論如何，有沒有看到交互術語和主要術語的重要性？通過查看變量重要性表的主要影響和總體影響（帶有交互作用項和沒有交互作用項），淨變化是否可以歸因於交互作用？
使用JMP 15.3 Pro，Windows 10
回复：OLS可變重要性，交互作用術語和一些意外錯誤這些配置文件基於整個模型，包括所有非線性項。一個變量的配置文件只是將其他變量固定為其當前值。因此，變量值的採樣與整個模型一起使用：
此模型包括所有三個交互作用的術語。
回复：OLS可變重要性，交互作用術語和一些意外錯誤 @馬克貝利感謝您的答复並提供示例
我複制了相同的模型並提供了2個版本的屏幕截圖，一個版本僅具有主要作用，第二個版本具有所有3個相互作用和主要術語。在非相互作用模型中，高度的主要作用是0.76，而在階乘中交互作用模型為0.391。如何將這兩個數字更多地理解？基本上，我正在嘗試評估身高和身高*體重等的相對重要性。
1）差異〜0.36是由於高度與其他項以及其他項之間的相互作用
2）0.76包括高度和交互作用的主要影響？
3）不管模型是否明確包含主要效應和相互作用效應，相互作用項是否都被隱式視為另一個自變量？
主修學位和互動
只有主要效果，沒有互動條件
回复：OLS可變重要性，交互作用術語和一些意外錯誤總效應定義為與因子或預測變量的某些給定變化與預測響應的可變性成正比的指標。這個指數僅反映了該因素的相對貢獻並結合其他因素 。
因此，如果我選擇一階模型，則身高，年齡和性別的總影響分別為0.779、0.217和0.01。另一方面，如果我選擇具有一階項和交叉項的模型，則身高，年齡和性別的總影響分別為0.712、0.515和0.216。我不希望重要性任何一個變量的值在不同模型中保持相同。跨模型的索引變化並不重要。
提供了用於開發建模階段選擇階段。在選擇階段，我們可能會監視不同模型之間AICc的變化。集成電路在上一個或下一個階段將不會有用。同樣，總效果指數在開發所選模型期間很有用，而不是在先前階段。
您不應使用此功能來選擇一個模型而不是其他候選模型。您應該使用此功能來探索和了解所選模型。因此，使用相同的因素查看不同模型之間的索引變化沒有意義。
請參見救命 > JMP文檔庫 > 分析器 > 第3章：探查器 。本章的整個章節專門介紹“評估變量重要性”功能。 結尾這個本章包括統計細節，包括用於計算各種重要性指數的細節。
回复：OLS可變重要性，交互作用術語和一些意外錯誤另一條評論。你說，” 如何讀懂這兩個數字？基本上，我正在嘗試評估身高和身高*體重等的相對重要性。對此陳述的一種解釋是對線性統計模型的誤解。它只是項的線性組合，每個項都有一個參數作為係數。例如，不存在height ^ 2效果。只是存在一個高度效應，可能需要對多個術語進行充分建模：身高，身高^ 2，身高*年齡等。高度效應由所有這些術語的組合表示。談論次效應是沒有道理的。它們只是線性模型的工件。在我們可能使用的其他模型（例如遞歸分區，神經網絡或高斯過程）中不存在此類術語。
此語句的另一種解釋是，您想知道包含高階術語以表示任何給定因子的影響的好處。您可以在上一個選擇階段使用對術語的推論來回答該問題（例如， Ť -比率或 F -比率）或模型的AICc。
請不要誤解我。我並不是說您正在做的事情是錯誤的，而是您可能正在以不希望使用的方式使用此索引。
