線性回歸你好，
我正在尋找我用來分析數據的正確術語，據我所知，它既不是多元線性回歸也不是多元線性回歸：
我想要幾個測量樣本的全局線性擬合。 所以我測量了 5 個樣本的 x 和 y，每個樣本都產生 y=mx+n。 我一次對所有這 5 個樣本執行線性回歸，為所有 5 個樣本生成一個 m 和 n。 這個叫什麼名字？在 JMP 中，我使用具有角色變量 y、模型效應 x 的“擬合模型”，然後與樣本編號交叉。
謝謝，到目前為止我在搜索中找不到這個！
回复：線性回歸我來晚了，但我發現非線性擬合中的平行度測試也會根據需要產生一個共同的斜率。
在分析菜單選項卡中，選擇專業建模並選擇非線性。 在對話框和運行模型中對數據進行分組（在您的情況下，按芯片）。 在“擬合”窗口中，選擇“擬合曲線”選項卡（紅色三角形）下的多項式（線性擬合）。 默認情況下，這會為所有組產生獨立的斜率和截距。 要共享斜率，請在“線性擬合”選項卡（紅色三角形）中選擇“測試平行度”。 將打開一個新選項卡，其中包含“平行擬合參數估計”，您可以在其中找到共享斜率和各個截距。 我希望這有幫助。
回复：線性回歸非常感謝你清理它！回复：線性回歸不。 一個簡單線性回歸如果您為 Chip 的每個級別分別為數據擬合一條線，這將是結果。 如果您將 Chip 置於按分析角色中，或者如果您在 Bivariate 中使用 Group By 菜單命令，則可以在 Bivariate 中輕鬆地做到這一點。 不過，SLR 結果是獨立的。 截距和斜率與芯片無關。 你想限制所有芯片的斜率相同，所以你使用多重回歸您可以在其中添加項來表示您認為響應如何與預測變量相關的模型。
回复：線性回歸謝謝！ 是的，交叉項不是我要找的。 因此，僅將芯片添加為模型效果，評估仍將被視為簡單的線性回歸？
回复：線性回歸5 個交叉效應只有 4 個係數，因為必須排除一個（因為它由其他 4 個決定）。如果您想查看 5 個係數，請單擊紅色箭頭並獲取擴展估計以查看所有 5 個級別。此外，如果您認為存在共同斜率（如圖所示），那麼我不會包括交叉項。只需包括芯片變量，您將獲得每個芯片的估計截距和一個常見的斜率估計值。
回复：線性回歸你好，
感謝你的回复！ 隨附的是示例報告。 我不確定 Fit 模型命令是否確實按照我希望的方式執行：
有 5 個具有線性相關性的不同芯片，它們應該具有相同的斜率但不同的截距。 我想獲得一個最適合所有 5 個芯片的單一斜率。 我認為這就是溫度（自變量）的估計值？ 我不確定每個芯片的估計值代表什麼，以及為什麼只有 4 個而不是 5 個。
回复：線性回歸我假設通過“幾個被測樣品" 你對 (x,y) 有 5 個觀察值。 您使用簡單線性回歸來擬合線性趨勢模型，y = mx + n。 您可以使用雙變量（通過 X 擬合 Y 命令）或擬合最小二乘法（通過擬合模型命令）擬合此類模型。
