每个人都应该在他们的工具箱中拥有很少使用但非常强大的平台的伟大概述
你好@HelenaG , 我很高兴你喜欢这个视频！
相互作用的识别最好通过领域专业知识和对分析变量的已知科学/物理理解来完成。
当变量之间的交互作用未被很好地理解时，拟合模型中的“响应筛选”模型个性可以很好地量化个体交互项与响应变量之间的强度。
拟合模型中的“逐步回归”模型个性在识别用于潜在模型的项的最佳组合（例如：主效应、交互作用..）方面效果很好。
术语“线性”模型是指模型公式的结构，但拟合模型中的“响应筛选”和“逐步回归”模型特性也可用于探索非线性关系。
我们可以通过添加多项式项将非线性效应和相互作用纳入分析。
在拟合模型中，您可以通过在模型效果框中添加相应项来探索任何多项式关系（非线性）（例如：二次关系 (x1*x1)、三次关系 (x1*x1*x1)、二次交互 (x1* x1*x2)...)
有关多项式的更多信息以及它们如何帮助理解变量之间的关系，请观看下面的快速视频：
https://community.jmp.com/t5/Short-Videos/Fitting-Polynomial-Models/ta-p/271953
你好，
我发现这个视频很有趣也很有帮助！ 谢谢你！
我想更好地理解以下内容：与交互识别和评估相关的所有步骤（使用响应筛选和逐步回归工具）都基于线性假设 - 这是正确的吗？ 如果是，是否有任何建议来检查非线性交互？
先感谢您！
海伦娜
