データ内の重要な変数を特定する
Re：データ内の重要な変数を特定するめったに使用されないが信じられないほど強力なプラットフォームの概要
Re：データ内の重要な変数を特定する素晴らしいデータセットとプレゼンテーション。 使ってみます！ ありがとうニック
Re：データ内の重要な変数を特定するやあ@HelenaG 、ビデオを楽しんでくれてうれしいです！
相互作用の特定は、ドメインの専門知識と分析中の変数の既知の科学的/物理的理解を通じて行うのが最適です。
変数間の交互作用が十分に理解されていない場合、Fit Modelの「応答スクリーニング」モデルのパーソナリティは、個々の交互作用項と応答変数の間の強度を定量化するのにうまく機能します。
Fit Modelの「ステップワイズ回帰」モデルのパーソナリティは、潜在的なモデルに使用する用語の最適な組み合わせ（例：主効果、交互作用など）を特定するのに適しています。
「線形」モデルという用語は、モデルの式がどのように構成されているかを指しますが、FitModelの「応答スクリーニング」と「ステップワイズ回帰」の両方のモデルパーソナリティを使用して非線形関係を調べることもできます。
多項式の項を追加することにより、非線形効果と交互作用を分析に含めることができます。
Fit Modelでは、モデル効果ボックスに対応する項を追加することで、任意の多項式関係（非線形）を調べることができます（例：2次関係（x1 * x1）、3次関係（x1 * x1 * x1）、2次相互作用（x1 * x1 * x2）...）
多項式の詳細と、多項式が変数間の関係を理解するのにどのように役立つかについては、以下のクイックビデオをご覧ください。
https://community.jmp.com/t5/Short-Videos/Fitting-Polynomial-Models/ta-p/271953
Re：データ内の重要な変数を特定するこんにちは、
このビデオはとても面白くて役に立ちました！ 有難うございます！
次のことをよりよく理解したいと思います。相互作用の識別と評価（応答スクリーニングとステップワイズ回帰ツールを使用）に関連するすべてのステップは、線形の仮定に基づいています-これは正しいですか？ はいの場合、非線形相互作用をチェックするための提案はありますか？
前もって感謝します！
ヘレナ
