連續變量作為自變量和協變量你好呀，
我試圖了解如何在 JMP 中將連續變量定義為獨立變量或協變量，並在擬合模型平台中使用它們。
我目前的理解是，除非將設計角色定義為連續變量的協變量，否則它是獨立的。並且，基於F檢驗的模型顯著性檢驗稱為方差分析。
如果將連續變量定義為協變量，則模型顯著性檢驗稱為ANCOVA。
基於上述理解，我使用最小二乘平台使用樣本數據“美國人口統計”擬合模型，以使用“地區”、“高中畢業生”及其交互來響應“八年級數學”。
出於數學目的，“高中畢業生”被視為自變量。
在第一次分析過程中，“高中畢業生”按原樣使用，沒有定義任何設計角色（獨立）。
在第二次分析中，“高中畢業生”被定義為設計角色中的協變量。
f 檢驗的 p 值和參數估計、模型的估計值和 SS 以及誤差對於第一次和第二次分析是相同的。 我預計模型誤差項、模型的 p 值和參數估計的 p 值會存在一些差異。
是否是特定於能源部的設計角色選項（如果是）。 如何將連續因子定義為獨立因子或協變量以在最小二乘/擬合模型中使用。
謝謝！！
消費者和市場研究回复：連續變量作為自變量和協變量謝謝馬克！
通過方差分析中包含連續變量，我們可以進行協方差分析 (ANCOVA)。
保質期預測模型 SS（其中時間是協變量）和默認方差分析觀察到的差異是由於所使用的 SS 類型造成的。 這是我錯過的地方。
謝謝你！！回复：連續變量作為自變量和協變量術語協變量可能很難理解，因為它的解釋取決於它的使用方式（上下文）。 在數據已經存在的回歸應用程序中，協變量通常只是一個連續的自變量（在 ANCOVA 中，其他自變量是可能絕對）。 出於 DOE 的目的，協變量是通常一個被測量但未被專門操縱的自變量（通常因為協變量是噪聲，是一個不願意控制的變量）。 通過計算/分配模型中的協變量，您可以提高檢測設計因素影響的精度。
例如，如果您正在進行實驗並且擔心環境溫度的影響。 您不願意管理環境溫度，因此您採用環境溫度。每次運行實驗期間的測量。 當您編寫模型時，您需要添加環境溫度。作為協變量（通常將協變量放在模型中的第一位，並使用順序檢驗（類型 1）來確定其顯著性。 對模型效果的其餘部分使用部分測試（類型 3）。）。 這將考慮環境溫度的影響（否則將在誤差項中捕獲）。 通過從誤差項中消除這些影響（降低的 MSE），您可以提高測試實驗中因素的精度。
回复：連續變量作為自變量和協變量您不需要定義任何東西。 選擇“分析”>“擬合模型”後，簡單地將自變量（數據列）轉換為“效應”角色。 我假設數據列被定義為數字數據類型和連續建模類型。 您可以通過選擇數據列，然後選擇列 > 列信息來驗證類型。
設計角色 = 協變量是一個列屬性，通常在您使用 JMP 設計實驗並添加協變量因子時自動創建。 在這種情況下，術語“協變量因子”特指隨運行時間共同變化的變量，其水平是預先確定的，並且其影響將在模型中估計。
為什麼您會期望回歸分析得到不同的結果？
