在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
在這個例子中，我們再次為模型擬合不純使用擬合模型。 但是這一次，我們還將分類預測變量添加到模型中。
首先，我們添加不純作為 Y 變量。
將分類預測變量添加到模型與添加連續預測變量沒有什麼不同。 我們只需選擇變量並單擊添加.
在較早的視頻中，我們討論了編碼分類預測變量的選項。 回想一下，JMP 在幕後應用 -1/1 效應編碼。
當我們運行模型時，JMP 會在參數估計表中顯示分類預測變量的係數。
我們有三個級別反應堆, 所以有兩個係數反應堆.
我們有兩個班次，所以有一個係數轉移.
當我們打開預測表達式時，JMP 會顯示模型的完整方程。
預測刻畫器使我們能夠輕鬆查看分類預測變量值的變化如何改變預測響應。
為了反應堆，保持所有其他不變，當我們將反應器從 1 更改為 2 時，預測平均值為不純增加約 0.2 個單位。 當我們比較反應器 1 和反應器 2 的值時，我們可以在預測表達式中看到這種差異。
要查看 0/1 虛擬編碼參數估計值，請選擇估計進而指標參數化估計, 從頂部的紅色三角形。
讓我們看看虛擬編碼的估計轉移. 使用虛擬編碼，我們比較平均值不純第一次轉向平均值不純第二班，保持其他一切不變。 我們很容易看出平均不純第一班比第二班高大約 0.1 個單位。 但這種差異並不顯著。
