了解建構模型效應 - 因子*因子與因子交互作用你好，
在進行「擬合模型」分析「模型規格」時，我試圖理解「建立模型效應」部分。
在這個「建構模型效應」部分中，能夠評估二次項，其中一個因素（例如壓縮力）既單獨存在，又作為與其自身相互作用的因素存在，即「壓縮力」和「壓縮力*壓縮力」。
我在下面的這篇文章中包含了“構建模型效果”部分的圖像：
我不明白從物理意義的角度來看有什麼不同。 為什麼我們有能力評估一個因素的相互作用，而它只是因素本身的相互作用？ 您無法改變壓縮力並自行改變它。 我可以理解壓縮力與壓縮速度的相互作用，因為壓縮力的變化會影響其本身以及壓縮力與壓縮速度的相互作用。
它純粹是作為包含二次項的一種手段嗎？ 如果是的話，這樣做的目的/用途是什麼？
非常感謝您花時間閱讀我的帖子，我期待與其他 JMP 用戶就該主題進行交流。
親切的問候，
喬
進階統計建模資料存取數據探索和視覺化回覆：理解建構模型效應 - 因子*因子與因子交互作用重申一下，JMP 在模型中將二次方表示為因子乘以自身（本質上是因子的平方）。 如果您的資料集中相關因素的水平超過 2 個水平，則可以估計多項式項（非線性）。
回覆：理解建構模型效應 - 因子*因子與因子交互作用嗨喬，
您假設變數代表模型中的二次項是正確的。
當我們建立模型時，我們試圖解釋某些因素如何影響資料中的反應。 主效應模型可以在這裡提供幫助，但通常包含額外的二次效應或交互效應以進一步解釋我們在反應資料中看到的變化是有益的。
預測刻畫器是一種出色的互動式工具，可以從物理角度理解模型。 可以在 JMP 的幫助 -> 範例資料 -> 工業實驗 -> Tablet Production.jmp 範例中找到證明這一點的一個很好的範例。 運行擬合模型和帶有交互配置文件的擬合模型腳本並觀察兩個模型之間的差異。
主效果模型：
主效果+交互作用+二次模型
在 2 ND Profiler，觀察 Mill Time 變量，顯示在我們的模型上引入二次效應的效果。 當您將「研磨時間」值從 5 調整到 30 時，您將觀察到該術語對我們模型的物理影響：兩個極端之間的 Disso 反應達到峰值。
這與主效應模型形成鮮明對比，在主效應模型中我們看到了線性趨勢，這導致我們預期隨著磨坊時間的增加，Disso 的性能將會提高。
JMP 的統計知識入口網站提供了數學如何與多元線性迴歸。 您也可以看看解決工業問題的統計思維相關和回歸模組了解更多。
回覆：理解建構模型效應 - 因子*因子與因子交互作用嗨喬，
確實有點令人困惑。 據我了解，「FACTOR Y * FACTOR Y」表達式是將變數轉換為二次空間的一種方法，相當於在新列中計算 FACTOR Y 的平方並在模型中使用它。 考慮到兩個不同因素之間相互作用的表述，我可以看出混亂的根源。
其他成員可能對此問題有更多技術回饋。
最好的，
TS
