具有遗传限制的逐步回归各位，
我想通过使用拟合模型平台编写脚本来自动化模型选择过程，利用逐步回归进行稳定性分析（我也知道 JMP 中的稳定性平台，但出于“原因”我想使用拟合模型）。
我的术语是存储时间、批次 ID 和存储时间*批次 ID。 使用逐步回归，现在的想法是在模型中保留 p 值 <0.25 的项。 初始脚本（部分）如下所示：
Y( :response ),
Effects(
:"Storage Time (2-8°C Analysis)"n, :Batch ID, :"Storage Time (2-8°C Analysis)"n * :Batch ID,
),
Center Polynomials( 0 ),
Personality( "Stepwise" ),
Run(
Stopping Rule( "P-value Threshold" ),
Prob to Leave( 0.25 ),
Direction( "forward" ),
Rules( "Whole Effects" )
)
我现在的问题是，通过使用规则“整体效应”，不遵循分层原则排除术语，这意味着我的模型在使用逐步 regr 后包含。例如 交互作用和时间效应，但不是批次效应。 也可以看看：
我知道还有组合或限制规则（具有层次结构），但是通过应用这些规则，我的术语“批次 ID”（多级）被分成不同的组，这不是我想要的。 我真的只想获得整个效果批次 ID（如果它很重要）（或其与时间的相互作用）。
那么有没有一种方法可以将“整体效果”项展示与分层原则结合起来进行模型选择呢？ 脚本也适合我。 
我希望我能澄清我的问题。
预先感谢您提供任何解决方案或评论！
最佳约翰
高级统计建模消费者和市场研究数据探索和可视化预测建模和机器学习回复：具有遗传限制的逐步回归
@约翰D写道：
据我所知，JMP 17 现在有一个复选框可以预设稳定性平台中池化 MSE 的使用。 不幸的是我和我们的质量控制部门都没有这个版本。
JMP 17 是大多数许可证中包含的免费升级。 请联系您组织的 JMP 软件管理员并鼓励他们获取 JMP 17。 他们最近收到了有关如何获取它的信息。
如果您不知道您的 JMP 软件管理员是谁，您可以联系技术支持 ( support@jmp.com ）他们可以帮助您取得联系。
回复：具有遗传限制的逐步回归嗨马克，
非常感谢您的快速回复。 我很熟悉您提到的基于 ICHQ1E 的程序以及如何在拟合模型中执行分析。 重点是，我想为我们的 QC 部门自动化模型选择过程（遵循分层原则排除 p 值 >0.25 的项）。 您认为有办法编写此脚本吗？
我不想使用 JMP 中的稳定性平台，因为该平台使用非合并 MSE 的不同截距/不同斜率。 然而 ICHQ1E 要求合并 MSE 进行分析，这实际上也通过利用拟合模型平台（也具有不同的截距/不同的斜率模型）来使用。 使用合并或非合并 MSE 可能会对到期日计算产生重大影响。据我所知，JMP 17 现在有一个复选框可以预设稳定性平台中池化 MSE 的使用。 不幸的是我和我们的质量控制部门都没有这个版本。 这就是为什么我正在寻找使用拟合模型平台通过脚本实现自动化“解决方法”的原因。
亲切的问候
约翰
回复：具有遗传限制的逐步回归我相信你不能组合规则。 您一次只能选择并使用一项规则。
您有一个简单的线性不稳定情况，批次之间可能存在差异。 您可以避免逐步的限制和开销。 使用基于拟合最小二乘法的直接方法而不是逐步方法可能会更容易选择模型，因为您只有三项。 如果您遵循 ICH Q1E 和 Q1A，则测试可共用性（模型选择）。
- 使用拟合最小二乘法拟合完整模型（截距、批次、时间、交互）。
- 检查交互作用的 p 值。
- 如果交互作用显着，则估计每个批次的到期时间并选择最短的寿命。
- 如果交互项不显着，则拟合没有交互项的简化模型，并使用通用斜率。
- 如果使用第二个模型该批次很重要，则估计每个批次的到期时间并选择最短的寿命。
- 如果在第二次拟合中不显着，则拟合没有批次效应的简化模型并使用公共截距。
- 如果时间很重要，请使用简化模型确定到期时间。
拟合最小二乘法也支持逆预测，因此您可以立即确定三种可池性情况中任何一种的到期时间。
