关于拟合模型中分类变量格式的问题下午好，
我正在尝试使用 5 个连续预测变量和 2 个分类预测变量（一个两级和一个三级）对单个响应进行建模，并具有双向交互作用和二次效应。 数据是在“定制设计”设计的实验过程中收集的。 使用拟合模型中的逐步回归特性，我获得了一个使用最小化 AICc/BIC 停止规则的模型。 在效果摘要中，JMP 认为最重要的是一系列交互作用。 然而，三级分类以我不理解的格式呈现，并且很难在网上或这些论坛中找到任何有关信息。 三级类别是“清洁类型”，级别为 1) 肥皂/水、2) 溶剂和 3) 声波。 在下图所示的效果摘要中，分类变量显示为括号中的两个或多个级别，级别之间有“-”或“&”等符号：
括号和符号是什么意思？ 我在哪里可以读到这方面的内容？
我还注意到，当我运行预测刻画器时，清洁类型分类变量突然分为两个连续变量，括号内的符号组合不同，如下图所示：
请注意，对于两级分类变量“Day”，不会发生这种情况。
我已经完成了 STIPS 培训课程，但我不记得有这方面的内容。 有没有人可以帮助阐明这一点？
/JF
数据探索和可视化视窗回复：有关拟合模型中分类变量格式的问题马克的链接解释了这些表达式。
我对你的做法有点困惑？ 您已经运行了根据您提供的因素设计的实验。 您选择的设计有一个“已知模型”。 为什么要进行逐步回归？ 这通常用于现有数据集，以尝试为现有数据找到合适的模型（数据挖掘技术）。 我建议您从饱和模型开始，然后使用大量可用的统计数据和图表来简化模型。
分类因子的二次方程是没有意义的。 3 种清洁类型之间不存在连续体（如果您可以定量测量清洁类型的差异，您也许能够创建连续体）。 JMP 本质上将为每个分类级别创建模型。
此外，“日”本身并不是一个因素。 您无法完成实验并得出“第一天更好”的结论，因为您无法在现实世界中实际设置“天”（或返回到“第一天”）（如果可以，则无需运行实验）。 日很可能是块效应。
回复：有关拟合模型中分类变量格式的问题当存在两个以上水平时，JMP 会根据分类因子水平构建新的预测变量。 它找到使平均响应差异最大化的水平组合。 这些预测因素应该会增加发现真实效果（功效）的机会。
请阅读有关部分使用 Stepwise 平台进行分类预测。
