OLS 回歸和簡單斜率中的交互作用。嘿大家，
我目前正在嘗試執行具有交互作用的 OLS（線性）回歸模型（以測試適度）。 例如，假設我希望使用兩個連續變量 X 和 M 以及它們的交互作用 X*M 來預測一個連續變量 Y。
交互項效應的結果是顯著的。 但是，我不知道如何要求 JMP 提供簡單斜率的數據。
具體來說，我如何獲得貝塔值及其在不同 M 水平上對 X 和 Y 的影響的意義？ （通常為 -1sd，平均值，1sd 用於連續變量，或者如果調節器是二元的，而不是調節器的兩個級別）。
我知道如何獲取圖（擬合模型... 全階乘等），但這還不夠，我需要斜率、SE 和顯著性的實際簡單效果。
將不勝感激有關此事的任何幫助。
回复：OLS 回歸和簡單斜率中的相互作用。@芋頭@nguyentandat234我很高興與大家分享我們的一位暑期實習生@haley.yaremych，他也是范德比爾特大學的博士生，他寫了一篇用於審核和審核調解的加載項現在在 JMP 社區中可用。 她還寫了一篇出色的博客文章，其中包含示例來說明如何使用它：
誰，什麼，為什麼，如何？ JMP Pro 中用於建模和可視化調節和調節調解的工具
該插件需要 JMP Pro 16.0 或更高版本。 這是她的 Johnson-Neyman 圖的預覽，該圖具有交互性，可以顯示簡單斜率及其在每個主持人值處的統計顯著性：
我希望這對你的工作有用！
~勞拉
回复：OLS 回歸和簡單斜率中的相互作用。當水平線都在置信區間內時，該因子不顯著，因為該因子的影響很容易為零（無斜率）。 因此，意義不大。
回复：OLS 回歸和簡單斜率中的相互作用。謝謝@Dan_Obermiller
還有1個問題。 如果我理解正確，紅色水平線是 DV 的預測值，而陰影部分是預測 VL 的 CI。 如果是這樣，你能幫我理解為什麼當水平線停留在陰影 CI 內時，結果並不顯著嗎？
回复：OLS 回歸和簡單斜率中的相互作用。不幸的是，我現在沒有時間在簡單的斜坡上進行測試。 也許其他人可以提供幫助。 我在您所附的圖片上註意到的一件事是您的預測分析器沒有打開置信區間。 如果單擊分析器的紅色三角形，請選擇置信區間。 您應該會看到像這樣顯示的波段：
雖然這不是您的數據，但請注意左側的圖片。 有一條不在陰影置信區間內的水平線。 這個變量（蝙蝠職業生涯）很重要。 右側陰影置信區間完全包含水平平均線。 該變量並不重要。 這些是 95% 的置信區間，相當於在 5% 的顯著性水平上進行檢驗。
回复：OLS 回歸和簡單斜率中的相互作用。親愛的@Dan_Obermiller ，我在簡單斜率分析中遇到了類似的問題，您的回答被證明非常有幫助。 你能詳細解釋一下如何使用誤差帶來找到 X 斜率的統計顯著性嗎？
（例如，如何顯示誤差帶，因為我只能在預測刻畫器中找到區間置信度？ 我可以找到確切的顯著性水平還是只知道簡單斜率是顯著的）
我已經可以計算β對於 -1 SD、+1 SD 和平均值的簡單斜率。 唯一剩下的就是計算顯著性水平。
如果有任何幫助，這是我的數據。
回复：OLS 回歸和簡單斜率中的相互作用。謝謝你。
回复：OLS 回歸和簡單斜率中的相互作用。我認為無法使用 JMP“自動”獲取這些項目。 您會獲得做出決定所需的信息，但不會獲得要報告的實際值。 因此，需要創建一個 JMP 腳本來執行此操作。
正如您的文件所說：“......大多數軟件程序都沒有創建用於繪製或測試簡單斜率的預打包程序。”
查看 JMP 願望清單，看看是否有人將此功能添加到列表中。 如果是這樣，只需贊一下該條目，以便開發人員知道對該功能的支持。 如果您在此處未找到它，請添加它，以便在 JMP 的未來版本中考慮使用它。
回复：OLS 回歸和簡單斜率中的相互作用。首先，感謝兩位的幫助，非常感謝。
我確實需要簡單的斜率，因為我必須在我的研究結果部分報告它們 - 我不能只描述它而不包括 -1sd、mean 和 +1sd 的實際值（b(SE)、p 值） .
因此，問題是，有沒有辦法在 JMP 中獲得這些？
再次非常感謝您的幫助！
回复：OLS 回歸和簡單斜率中的相互作用。您附上的描述簡單斜坡的文件正是@Mark_Bailey描述。 唯一的區別是 Mark 在您的案例中說明了分類 Z 的參數（男性 (-1) 或女性 (+1)）。
要看到這一點，從您的附件中，模型是 Y = -2.3X + -0.5Z + 1.6XZ + 3.0。 他們為 Z 選擇了 3.5 的值。 將其代入 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 與他們的結果完全匹配。 Mark 提出了同樣的建議，但使用了 -1 和 +1，因為這就是 JMP 中男性和女性值的編碼方式。 分類因子使“簡單斜率”更容易找到。
可以編寫一個 JMP 腳本來執行附件中列出的所有操作（類似於為 SPSS 或 R 所做的），但我不確定是否需要這樣做。 平心而論，我需要進一步探索才能確定，因為我沒有詳細查看簡單的斜坡文件。 無論如何，這裡有一些事情要看是否需要這樣的腳本。
預測分析器是您的朋友！ 在分析器中拖動 Z 的值將顯示 X 的各種簡單斜率。 這是查看任何 Z 設置的 X 斜率的有效方法，而不僅僅是少數幾個設置。 預測刻畫器還提供誤差帶來評估 X 斜率的統計顯著性。 如果條帶可以包含一條水平線，則不重要。
從紅色彈出三角形添加交互分析器。 這將顯示最低 Z 設置和最高 Z 設置的斜率。
最後，您的文檔中有這樣一句話：“通常的建議是通過減去每個變量的平均值來使預測變量居中，然後計算交互項。” 當您的 Z 是連續的時，JMP 會自動執行此操作。 因此，JMP 遵循通常的建議，該建議允許以直接的方式實施簡單斜率的想法。
我建議使用包含所有簡單斜率計算的計算出的數據集，並通過 JMP 運行它，以查看計算出的計算與 JMP 輸出匹配的位置。
回复：OLS 回歸和簡單斜率中的相互作用。JMP 強調可視化以了解“簡單斜率”的性質，或一個因素的影響概況，同時將另一個因素保持在給定水平。
單擊擬合最小二乘旁邊的紅色三角形，然後選擇因子分析 > 刻畫器。 此交互式繪圖基於整個模型，但單獨顯示每個因素的概況。 您不需要條件斜率本身，因為 JMP 會為您繪製直線、曲線或剖面圖。 JMP 中的所有模型都可以使用相同的可視化。
有關更多信息和示例，請參閱幫助 > 書籍 > 探查器。
回复：OLS 回歸和簡單斜率中的相互作用。這與我理解分解交互工作的方式不同。
http://web.pdx.edu/~newsomj/mvclass/ho_simple%20slopes.pdf
這個過程很容易通過 SPSS 的 Process 宏或簡單的 R 腳本來完成。
我真的希望通過 JMP 有一個解決方案......
回复：OLS 回歸和簡單斜率中的相互作用。您必須使用“擬合最小二乘”平台才能在線性預測變量中包含交互效應項。 “參數估計值”報表提供估計值（斜率）、標準誤差和 t 比。 例如：
因此，身高對性別=F 的影響（斜率）為 4.087601 + 0.6869481，性別=M 為 4.087601 - 0.6869481。
