こんにちはJMPコミュニティ、
0〜100％の応答変数があり、連続変数に応答して2次関数に従います。 その頂点は100％までしか上がれません。 私が抱えている問題は、この関数を左と右にシフトできる名目上の要因があるということです。 これまでのところ、80％未満の応答をフィルター処理して、回帰をほぼ線形にし（2次係数は効果がない）、名目係数を近似モデルに追加できるようにしました。 二次関数を上下にシフトする名目係数の推定値を取得しますが、実際には、名目係数のために二次関数は左と右にシフトしています。 JMPでこの関係をモデル化するにはどうすればよいですか？
モデルは次のようになっていると思います。y_hat=（x-b_0）^ 2 * b_1 +（x-b_2）* b_3 + b_4 + errorここで、bは回帰推定です。
図1：状況のおもちゃの例。 ここで、青い線は名目係数の1つのレベルに対する応答です。 赤い線は、名目係数の異なるレベルに対する別の応答です。
名目係数との交互作用は、より「従来の」2次多項式とともにこれを処理する方法です。
添付した例を使って、これを行う方法を示すのが最も簡単かもしれないと思いました。 あなたの要因はXとNomXです。 Y1列には単純な2次式があります。 「Y1 + 2」列は同じ単純な二次式ですが、X軸に沿って2単位シフトしています。 Y列は、NomXがAの場合はY1 2次式を使用し、NomXがBの場合は「Y1 +2」2次式を使用する応答です。 この列はあなたの状況を模倣しています。
Fit Modelを使用すると、モデルには次の用語が含まれます。
バツ
NomX
X * NomX
X * X
このモデルをスクリプトとして保存しました。 二次効果が名目Xで変化する可能性がある場合は、X * X * NomXという用語が必要になることに注意してください。
NomX項は、名目係数が変化したときにモデルの切片がどのように変化するかを示します。
X * NomX項は、公称係数が変化したときに勾配がどのように変化するかを示します。
したがって、モデルを見ると、モデルは基本的に次のようになっていることがわかります。
Y1-帽子= 10-1 * X * X
（Y1 + 2）-ハット= 6 + 4 * X-1 * X * X。 これは、シフトされた2次形式がどのように見えるかです。
最後に、Yハットモデルの場合、
NomX = Aの場合
Yハット= 8 + 2 + 2 * X-2 * X-1 * X * X = 10-1 * X * X（Y1ハットモデルと一致）
NomX = Bの場合
Y =ハット= 8-2 + 2 * X + 2 * X-1 * X * X = 6 + 4 * X-1 * X * X（（Y1 + 2）-ハットモデルと一致）
シフトがパラメーターにどのように影響するかに注意してください。 2単位のシフトは、NomXを含む項のパラメーター推定値によって取得されます。
@Dan_Obermiller完全に正しいです。 二次効果は名目係数に依存します。 これは、定義上、相互作用です。 興味深いのは、Fit ModelプラットフォームでJMPの組み込みマクロ（応答曲面）を使用すると、因子ごとの2次交互作用が誤差項にプールされるためです。 これが、可能であれば、最初に分析するために常にモデルを飽和させる理由です。
