關於擬合模型中分類變數格式的問題午安,
我正在嘗試使用 5 個連續預測變數和 2 個分類預測變數（一個兩級和一個三級）對單一反應進行建模，並具有雙向交互作用和二次效應。 數據是在「客製化設計」設計的實驗過程中收集的。 使用擬合模型中的逐步迴歸特性，我獲得了一個使用最小化 AICc/BIC 停止規則的模型。 在效果摘要中，JMP 認為最重要的是一系列交互作用。 然而，三級分類以我不理解的格式呈現，並且很難在網上或這些論壇中找到任何有關資訊。 三級類別是“清潔類型”，等級為 1) 肥皂/水、2) 溶劑和 3) 聲波。 在下圖所示的效果摘要中，分類變數顯示為括號中的兩個或多個級別，級別之間有“-”或“&”等符號：
括號和符號是什麼意思？ 我可以在哪裡讀到這方面的內容？
我還注意到，當我運行預測刻畫器時，清潔類型分類變數突然分為兩個連續變量，括號內的符號組合不同，如下圖所示：
請注意，對於兩級分類變數“Day”，不會發生這種情況。
我已經完成了 STIPS 培訓課程，但我不記得有這方面的內容。 有沒有人可以幫忙闡明這一點？
/JF
數據探索和視覺化視窗回覆：有關擬合模型中分類變數格式的問題馬克的連結解釋了這些表達式。
我對你的做法有點困惑？ 您已經執行了根據您提供的因素設計的實驗。 您選擇的設計有一個“已知模型”。 為什麼要進行逐步迴歸？ 這通常用於現有資料集，以嘗試為現有資料找到合適的模型（資料探勘技術）。 我建議您從飽和模型開始，然後使用大量可用的統計數據和圖表來簡化模型。
分類因子的二次方程式是沒有意義的。 3 種清潔類型之間不存在連續體（如果您可以定量測量清潔類型的差異，您也許能夠創建連續體）。 JMP 本質上將為每個分類等級建立模型。
此外，「日」本身也不是一個因素。 您無法完成實驗並得出“第一天更好”的結論，因為您無法在現實世界中實際設置“天”（或返回“第一天”）（如果可以，則無需運行實驗）。 日很可能是區塊效應。
回覆：有關擬合模型中分類變數格式的問題當存在兩個以上水準時，JMP 會根據分類因子水準建立新的預測變數。 它找到使平均響應差異最大化的水平組合。 這些預測因素應該會增加發現真實效果（功效）的機會。
請閱讀有關部分使用 Stepwise 平台進行分類預測。
