混合模型的逐步模型選擇親愛的大家，
我想使用逐步模型選擇來從混合模型中選擇重要的固定效應（包括一個隨機效應）。
然而，當將擬合模型平台中的“個性”從“標準最小二乘”更改為“逐步”時，似乎執行相同的模型選擇，就好像我將有一個“純”固定效應模型一樣，沒有考慮到隨機效應。 有沒有辦法考慮隨機效應，然後進行逐步模型選擇？ 我的意思是，如果隨機效應導致數據整體變化的很大一部分，這應該會有所作為，對吧？
此致，
蒂娜
回复：混合模型的逐步模型選擇你好@cwillden和@Kevin_Anderson ，非常感謝您對該主題的想法和提示！
由於分析必須在“正常”JMP（無專業版）中運行，我將嘗試採用這種方式@cwillden建議的。
由於我一直希望有一個包含所有主效應的模型，並另外選擇相關的交互作用或二次效應，我將從主效應模型開始，逐步將隨機效應作為固定效應。
最好的，
蒂娜
回复：混合模型的逐步模型選擇僅供參考，方法@Kevin_Anderson建議僅在 JMP Pro 中可用。
回复：混合模型的逐步模型選擇嗨，蒂娜！
希望您了解 Stepwise 的致命統計缺陷。請參考 NE SUG 2007 的附件。
引用該文件的一段話：“最具破壞性的是，它讓分析師不去思考。 換句話說，對於數據分析師來說，使用階梯式方法相當於告訴他或她的老闆他或她的薪水應該被削減。”
我建議您避開逐步並嘗試在擬合模型平台中使用廣義回歸特性，特別是自適應套索。
祝你好運！
回复：混合模型的逐步模型選擇你好@蒂娜,
這在 JMP 中一直是一個棘手的情況，因為 Stepwise 不支持隨機效應。如果您的隨機效應可以暫時被視為固定，您可以逐步運行以獲取模型，然後在該點恢復為隨機效應。
我通常在 JMP 中進行手動模型選擇，從完整模型開始，然後仔細削減它。你也可以一直這樣做。
祝你好運。
