了解构建模型效应 - 因子*因子与因子交互作用你好，
在进行“拟合模型”分析“模型规范”时，我试图理解“构建模型效应”部分。
在这个“构建模型效应”部分中，能够评估二次项，其中一个因素（例如压缩力）既单独存在，又作为与其自身相互作用的因素存在，即“压缩力”和“压缩力*压缩力”。
我在下面的这篇文章中包含了“构建模型效果”部分的图像：
我不明白从物理意义的角度来看有什么区别。 为什么我们有能力评估一个因素的相互作用，而它只是因素本身的相互作用？ 您无法改变压缩力并自行改变它。 我可以理解压缩力与压缩速度的相互作用，因为压缩力的变化会影响其本身以及压缩力与压缩速度的相互作用。
它纯粹是作为包含二次项的一种手段吗？ 如果是的话，这样做的目的/用途是什么？
非常感谢您花时间阅读我的帖子，我期待与其他 JMP 用户就该主题进行交流。
亲切的问候，
乔
高级统计建模数据存取数据探索和可视化回复：理解构建模型效应 - 因子*因子与因子交互作用重申一下，JMP 在模型中将二次方表示为因子乘以自身（本质上是因子的平方）。 如果您的数据集中相关因素的水平超过 2 个水平，则可以估计多项式项（非线性）。
回复：理解构建模型效应 - 因子*因子与因子交互作用嗨乔，
您假设该变量代表模型中的二次项是正确的。
当我们构建模型时，我们试图解释某些因素如何影响数据中的响应。 主效应模型可以在这里提供帮助，但通常包含额外的二次效应或交互效应以进一步解释我们在响应数据中看到的变化是有益的。
预测刻画器是一种出色的交互式工具，可以从物理角度理解模型。 可以在 JMP 的帮助 -> 示例数据 -> 工业实验 -> Tablet Production.jmp 示例中找到证明这一点的一个很好的示例。 运行拟合模型和带有交互配置文件的拟合模型脚本并观察两个模型之间的差异。
主效应模型：
主效应+交互作用+二次模型
在 2 ND Profiler，观察 Mill Time 变量，显示在我们的模型上引入二次效应的效果。 当您将“研磨时间”值从 5 调整到 30 时，您将观察到该术语对我们模型的物理影响：两个极端之间的 Disso 响应达到峰值。
这与主效应模型形成鲜明对比，在主效应模型中我们看到了线性趋势，这导致我们预计随着磨坊时间的增加，Disso 的性能将会提高。
JMP 的统计知识门户提供了关于数学如何与多元线性回归。 您还可以看看解决工业问题的统计思维相关和回归模块了解更多。
回复：理解构建模型效应 - 因子*因子与因子交互作用嗨乔，
确实有点令人困惑。 据我了解，“FACTOR Y * FACTOR Y”表达式是将变量转换为二次空间的一种方法，相当于在新列中计算 FACTOR Y 的平方并在模型中使用它。 考虑到两个不同因素之间相互作用的表述，我可以看出混乱的根源。
其他成员可能对此问题有更多技术反馈。
最好的，
TS
