每個人都應該在他們的工具箱中擁有很少使用但非常強大的平台的偉大概述
你好@HelenaG , 我很高興你喜歡這個視頻！
相互作用的識別最好通過領域專業知識和對分析變量的已知科學/物理理解來完成。
當變量之間的交互作用未被很好地理解時，擬合模型中的“響應篩選”模型個性可以很好地量化各個交互項與響應變量之間的強度。
擬合模型中的“逐步回歸”模型個性在識別用於潛在模型的項的最佳組合（例如：主效應、交互作用..）方面效果很好。
術語“線性”模型是指模型公式的結構，但擬合模型中的“響應篩選”和“逐步回歸”模型特性也可用於探索非線性關係。
我們可以通過添加多項式項將非線性效應和相互作用納入分析。
在擬合模型中，您可以通過在模型效果框中添加相應項來探索任何多項式關係（非線性）（例如：二次關係 (x1*x1)、三次關係 (x1*x1*x1)、二次交互 (x1* x1*x2)...)
有關多項式的更多信息以及它們如何幫助理解變量之間的關係，請觀看下面的快速視頻：
https://community.jmp.com/t5/Short-Videos/Fitting-Polynomial-Models/ta-p/271953
你好，
我發現這個視頻很有趣也很有幫助！ 謝謝你！
我想更好地理解以下內容：與交互識別和評估相關的所有步驟（使用響應篩选和逐步回歸工具）都基於線性假設 - 這是正確的嗎？ 如果是，是否有任何建議來檢查非線性交互？
先感謝您！
海倫娜
