525239_zh-CN

liliconcom

回复：从最小二乘比较斜率 JMP® Pro 16.2.0 中获得显着差异

我不明白您为什么在这里抱怨 JMP 帮助。这并不是我希望在帮助文件中看到的那种问题——它确实与建模选择和解释有关。也许我错了，有人会说有一个明确的准备方法可以做到这一点。

 

根据我对您问题的理解，您需要对交互效果进行建模：x*group。但这只是决定了两组之间的斜率是否存在显着差异。您的问题似乎表明您认为斜率在 x 的某个值处变得相等，而不是 x 的较小值。这让我觉得是一种非线性的相互作用效应。可以使用带参数的非线性平台，并获得一个参数的估计值，该参数指示斜率开始不同的 x 值。你有多少数据？如果您可以分享其中的一些 - 或类似的数据集，那么我可以更详细地概述这一点。

从最小二乘比较斜率获取显着差异点 JMP® Pro 16.2.0

我想知道当使用最小二乘法拟合具有 2 个分类组的数据时，x 值 2 斜率显着不同，x 是连续的，因为拟合变量也是如此。 JMP 在线文档非常无用。

 

JMP® Pro 16.2.0

分析苹果系统回复：从最小二乘比较斜率 JMP® Pro 16.2.0 中获得显着差异

你可以做一个拟合模型并为你的 x 添加一个本地数据过滤器。 然后您可以扫描 x 值，观察拟合模型报告中的斜率变化。

另一个想法是在 x 上添加自定义分箱，并在拟合模型中使用此变量进行交互。 然后你可以看到斜率是否随着 X 的自定义 bin 而变化。 有关示例，请参见脚本。

 

Names Default To Here( 1 );

dt = Open( "$SAMPLE_DATA\Big Class.jmp" );

dt << New Column( "Custom Binning[height]",
 Numeric,
 "Nominal",
 Format( "Best", 12 ),
 Formula( If( :height < 61.937, 60.937, :height >= 61.937, 61.937, . ) ),
 Value Labels( {"." = "Missing", 60.937 = "< 62", 61.937 = "≥ 62"} ),
 Use Value Labels( 1 ), 

);

dt << Add Properties to Table(
 {New Script(
  "Fit Model local datafilter",
  Fit Model(
   Y( :weight ),
   Effects( :sex, :height, :sex * :height ),
   Personality( "Standard Least Squares" ),
   Emphasis( "Effect Leverage" ),
   Run(
    :weight << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
    Parameter Estimates( 1 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
    Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 0 ),
    Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ),
    Box Cox Y Transformation( 0 )}
   ),
   Local Data Filter(
    Conditional,
    Add Filter( columns( :height ), Where( :height >= 56.994 & :height <= 70 ) )
   ),
   SendToReport(
    Dispatch(
     {"Response weight", "Whole Model"},
     "Actual by Predicted Plot",
     OutlineBox,
     {Close( 1 )}
    ),
    Dispatch(
     {"Response weight", "Whole Model"},
     "Effect Summary",
     OutlineBox,
     {Close( 1 )}
    ),
    Dispatch(
     {"Response weight", "Whole Model"},
     "Lack Of Fit",
     OutlineBox,
     {Close( 1 )}
    ),
    Dispatch(
     {"Response weight", "Whole Model"},
     "Residual by Predicted Plot",
     OutlineBox,
     {Close( 1 )}
    ),
    Dispatch(
     {"Response weight", "Whole Model"},
     "Summary of Fit",
     OutlineBox,
     {Close( 1 )}
    ),
    Dispatch(
     {"Response weight", "Whole Model"},
     "Analysis of Variance",
     OutlineBox,
     {Close( 1 )}
    ),
    Dispatch(
     {"Response weight", "sex"},
     "Least Squares Means Table",
     OutlineBox,
     {Close( 1 )}
    )
   )
  )
 ), New Script(
  "Fit Least Squares",
  Fit Model(
   Y( :weight ),
   Effects(
    :sex, :height, :"Custom Binning[height]"n, :sex * :height,
    :sex * :"Custom Binning[height]"n, :height * :"Custom Binning[height]"n
   ),
   Personality( "Standard Least Squares" ),
   Emphasis( "Effect Leverage" ),
   Run(
    :weight << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
    Parameter Estimates( 1 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
    Plot Regression( 0 ), Plot Residual by Predicted( 1 ),
    Plot Studentized Residuals( 0 ), Plot Effect Leverage( 1 ),
    Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )}
   )
  )
 )}
);
dt << run script( "Fit Model local datafilter" );