线性回归你好，
我正在寻找我用来分析数据的正确术语，据我所知，它既不是多元线性回归也不是多元线性回归：
我想要几个测量样本的全局线性拟合。 所以我测量了 5 个样本的 x 和 y，每个样本都产生 y=mx+n。 我一次对所有这 5 个样本执行线性回归，为所有 5 个样本生成一个 m 和 n。 这个叫什么名字？在 JMP 中，我使用具有角色变量 y、模型效应 x 的“拟合模型”，然后与样本编号交叉。
谢谢，到目前为止我在搜索中找不到这个！
回复：线性回归我来晚了，但我发现非线性拟合中的平行度测试也会根据需要产生一个共同的斜率。
在分析菜单选项卡中，选择专业建模并选择非线性。 在对话框和运行模型中对数据进行分组（在您的情况下，按芯片）。 在“拟合”窗口中，选择“拟合曲线”选项卡（红色三角形）下的多项式（线性拟合）。 默认情况下，这会为所有组产生独立的斜率和截距。 要共享斜率，请在“线性拟合”选项卡（红色三角形）中选择“测试平行度”。 将打开一个新选项卡，其中包含“平行拟合参数估计”，您可以在其中找到共享斜率和各个截距。 我希望这有帮助。
回复：线性回归非常感谢你清理它！回复：线性回归不。 一个简单线性回归如果您为 Chip 的每个级别分别为数据拟合一条线，这将是结果。 如果您将 Chip 置于按分析角色中，或者如果您在 Bivariate 中使用 Group By 菜单命令，则可以在 Bivariate 中轻松地做到这一点。 不过，SLR 结果是独立的。 截距和斜率与芯片无关。 你想限制所有芯片的斜率相同，所以你使用多重回归您可以在其中添加项来表示您认为响应如何与预测变量相关的模型。
回复：线性回归谢谢！ 是的，交叉项不是我要找的。 因此，仅将芯片添加为模型效果，评估仍将被视为简单的线性回归？
回复：线性回归5 个交叉效应只有 4 个系数，因为必须排除一个（因为它由其他 4 个决定）。如果您想查看 5 个系数，请单击红色箭头并获取扩展估计以查看所有 5 个级别。此外，如果您认为存在共同斜率（如图所示），那么我不会包括交叉项。只需包括芯片变量，您将获得每个芯片的估计截距和一个常见的斜率估计值。
回复：线性回归你好，
感谢你的回复！ 随附的是示例报告。 我不确定 Fit 模型命令是否确实按照我希望的方式执行：
有 5 个具有线性相关性的不同芯片，它们应该具有相同的斜率但不同的截距。 我想获得一个最适合所有 5 个芯片的单一斜率。 我认为这就是温度（自变量）的估计值？ 我不确定每个芯片的估计值代表什么，以及为什么只有 4 个而不是 5 个。
回复：线性回归我假设通过“几个被测样品" 你对 (x,y) 有 5 个观察值。 您使用简单线性回归来拟合线性趋势模型，y = mx + n。 您可以使用双变量（通过 X 拟合 Y 命令）或拟合最小二乘法（通过拟合模型命令）拟合此类模型。
