OLS 回归和简单斜率中的交互作用。嘿大家，
我目前正在尝试执行具有交互作用的 OLS（线性）回归模型（以测试适度）。 例如，假设我希望使用两个连续变量 X 和 M 以及它们的交互作用 X*M 来预测一个连续变量 Y。
交互项效应的结果是显着的。 但是，我不知道如何要求 JMP 提供简单斜率的数据。
具体来说，我如何获得贝塔值及其在不同 M 水平上对 X 和 Y 的影响的意义？ （通常为 -1sd，平均值，1sd 用于连续变量，或者如果调节器是二元的，而不是调节器的两个级别）。
我知道如何获取图（拟合模型... 全阶乘等），但这还不够，我需要斜率、SE 和显着性的实际简单效果。
将不胜感激有关此事的任何帮助。
回复：OLS 回归和简单斜率中的相互作用。@芋头@nguyentandat234我很高兴与大家分享我们的一位暑期实习生@haley.yaremych，他也是范德比尔特大学的博士生，他写了一篇用于审核和审核调解的加载项现在在 JMP 社区中可用。 她还写了一篇出色的博客文章，其中包含示例来说明如何使用它：
谁，什么，为什么，如何？ JMP Pro 中用于建模和可视化调节和调节调解的工具
该插件需要 JMP Pro 16.0 或更高版本。 这是她的 Johnson-Neyman 图的预览，该图具有交互性，可以显示简单斜率及其在每个主持人值处的统计显着性：
我希望这对你的工作有用！
~劳拉
回复：OLS 回归和简单斜率中的相互作用。当水平线都在置信区间内时，该因子不显着，因为该因子的影响很容易为零（无斜率）。 因此，意义不大。
回复：OLS 回归和简单斜率中的相互作用。谢谢@Dan_Obermiller
还有1个问题。 如果我理解正确，红色水平线是 DV 的预测值，而阴影部分是预测 VL 的 CI。 如果是这样，你能帮我理解为什么当水平线停留在阴影 CI 内时，结果并不显着吗？
回复：OLS 回归和简单斜率中的相互作用。不幸的是，我现在没有时间在简单的斜坡上进行测试。 也许其他人可以提供帮助。 我在您所附的图片上注意到的一件事是您的预测分析器没有打开置信区间。 如果单击分析器的红色三角形，请选择置信区间。 您应该会看到像这样显示的波段：
虽然这不是您的数据，但请注意左侧的图片。 有一条不在阴影置信区间内的水平线。 这个变量（蝙蝠职业生涯）很重要。 右侧阴影置信区间完全包含水平平均线。 该变量并不重要。 这些是 95% 的置信区间，相当于在 5% 的显着性水平上进行检验。
回复：OLS 回归和简单斜率中的相互作用。亲爱的@Dan_Obermiller ，我在简单斜率分析中遇到了类似的问题，您的回答被证明非常有帮助。 你能详细解释一下如何使用误差带来找到 X 斜率的统计显着性吗？
（例如，如何显示误差带，因为我只能在预测刻画器中找到区间置信度？ 我可以找到确切的显着性水平还是只知道简单斜率是显着的）
我已经可以计算β对于 -1 SD、+1 SD 和平均值的简单斜率。 唯一剩下的就是计算显着性水平。
如果有任何帮助，这是我的数据。
回复：OLS 回归和简单斜率中的相互作用。谢谢你。
回复：OLS 回归和简单斜率中的相互作用。我认为无法使用 JMP“自动”获取这些项目。 您会获得做出决定所需的信息，但不会获得要报告的实际值。 因此，需要创建一个 JMP 脚本来执行此操作。
正如您的文档所说：“......大多数软件程序都没有创建用于绘制或测试简单斜率的预打包程序。”
查看 JMP 愿望清单，看看是否有人将此功能添加到列表中。 如果是这样，只需赞一下该条目，以便开发人员知道对该功能的支持。 如果您在此处未找到它，请添加它，以便在 JMP 的未来版本中考虑使用它。
回复：OLS 回归和简单斜率中的相互作用。首先，感谢两位的帮助，非常感谢。
我确实需要简单的斜率，因为我必须在我的研究结果部分报告它们 - 我不能只描述它而不包括 -1sd、mean 和 +1sd 的实际值（b(SE)、p 值） .
因此，问题是，有没有办法在 JMP 中获得这些？
再次非常感谢您的帮助！
回复：OLS 回归和简单斜率中的相互作用。您附上的描述简单斜坡的文件正是@Mark_Bailey描述。 唯一的区别是 Mark 在您的案例中说明了分类 Z 的参数（男性 (-1) 或女性 (+1)）。
要看到这一点，从您的附件中，模型是 Y = -2.3X + -0.5Z + 1.6XZ + 3.0。 他们为 Z 选择了 3.5 的值。 将其代入 Z 得到 Y = (3.0 + 3.5*(-0.5)) + (-2.3 +1.6*3.5)X。 -2.3 + 1.6*3.5 = 3.3 X 与他们的结果完全匹配。 Mark 提出了同样的建议，但使用了 -1 和 +1，因为这就是 JMP 中男性和女性值的编码方式。 分类因子使“简单斜率”更容易找到。
可以编写一个 JMP 脚本来执行附件中列出的所有操作（类似于为 SPSS 或 R 所做的），但我不确定是否需要这样做。 平心而论，我需要进一步探索才能确定，因为我没有详细查看简单的斜坡文件。 无论如何，这里有一些东西可以看看是否需要这样的脚本。
预测分析器是您的朋友！ 在分析器中拖动 Z 的值将显示 X 的各种简单斜率。 这是查看任何 Z 设置的 X 斜率的有效方式，而不仅仅是少数几个设置。 预测刻画器还提供误差带来评估 X 斜率的统计显着性。 如果条带可以包含一条水平线，则不重要。
从红色弹出三角形添加交互分析器。 这将显示最低 Z 设置和最高 Z 设置的斜率。
最后，您的文档中有这样一句话：“通常的建议是通过减去每个变量的平均值来使预测变量居中，然后计算交互项。” 当您的 Z 是连续的时，JMP 会自动执行此操作。 因此，JMP 遵循通常的建议，该建议允许以直接的方式来实施简单斜率的想法。
我建议使用包含所有简单斜率计算的计算出的数据集，并通过 JMP 运行它，以查看计算出的计算与 JMP 输出匹配的位置。
回复：OLS 回归和简单斜率中的相互作用。JMP 强调可视化以了解“简单斜率”的性质，或一个因素的影响概况，同时将另一个因素保持在给定水平。
单击拟合最小二乘旁边的红色小三角，然后选择因子分析 > 刻画器。 此交互式绘图基于整个模型，但单独显示每个因素的概况。 您不需要条件斜率本身，因为 JMP 会为您绘制直线、曲线或剖面图。 JMP 中的所有模型都可以使用相同的可视化。
有关更多信息和示例，请参阅帮助 > 书籍 > 探查器。
回复：OLS 回归和简单斜率中的相互作用。这与我理解分解交互工作的方式不同。
http://web.pdx.edu/~newsomj/mvclass/ho_simple%20slopes.pdf
这个过程很容易通过 SPSS 的 Process 宏或简单的 R 脚本来完成。
我真的希望通过 JMP 有一个解决方案......
回复：OLS 回归和简单斜率中的相互作用。您必须使用“拟合最小二乘”平台才能在线性预测变量中包含交互效应项。 “参数估计值”报表提供估计值（斜率）、标准误差和 t 比。 例如：
因此，身高对性别=F 的影响（斜率）为 4.087601 + 0.6869481，性别=M 为 4.087601 - 0.6869481。
