在我們的免費在線課程中了解更多信息：
工業問題解決的統計思維
在這個例子中，我們再次擬合了一個模型不純使用擬合模型。 但這次我們向模型添加交互。
同樣，我們首先添加不純作為 Y 變量。
然後我們將五個主要效應（我們的預測變量）添加到模型中。
為了給模型添加一個特定的交互項，我們選擇第一個項，按控制鍵，選擇第二個術語，然後單擊叉.
您也可以在 Select Column 下選擇一個變量，從 Model Effects 列表中選擇第二個變量，然後單擊叉.
這一次添加一個交互。 我們可以對我們希望包含在模型中的所有交互重複此操作。
如果我們知道我們想要包含許多交互，我們可以走捷徑。
首先，我將刪除所有模型效果。
假設我們想要擬合一個具有所有主要效應和所有可能交互作用的模型。
我們選擇所有的預測變量，然後在宏下，選擇階乘到度. 這會將所有主要影響和雙向交互添加到模型中。
如果我們將度數更改為 3，這也將添加三向交互。 我們不會在這裡這樣做。
請注意，在 Attributes 和 Transform 旁邊有許多不同的模型規範選項，儘管我們不會在這裡討論這些選項。
我們將運行具有主效應和雙向交互作用的模型。
效果摘要表提供了術語重要性的摘要在模型中。 術語按升序排列p -價值。 請注意，一些交互作用是顯著的，但我們在模型中也有一些不顯著的項。
我們可以從回歸報告下頂部的紅色小三角中選擇其他選項，例如擬合匯總表和方差分析表。
參數估計值表顯示模型中的係數。
正如我們所見，Prediction Profiler 使我們能夠與模型進行交互。 通過改變預測變量的值，我們可以很容易地看到交互項的影響。 例如，請注意為反應時間隨著我們改變價值而改變催化劑濃.
對於所有交互的直觀總結，我們可以使用因子分析下的頂部紅色三角形打開交互圖。 在這裡，我們看到之間的相互作用溫度和反應時間和之間催化劑濃和反應時間. 例如，我們還觀察到，溫度不與催化劑濃,反應堆， 或者轉移，因為這些線基本上是平行的。
