親愛的大家，
我想通過使用 Fit 模型平台編寫腳本來自動化模型選擇過程，利用逐步回歸進行穩定性分析（我也知道 JMP 中的穩定性平台，但出於“原因”我想使用 Fit 模型）。
我的術語是存儲時間、批次 ID 和存儲時間*批次 ID。 使用逐步回歸，現在的想法是在模型中保留 p 值 <0.25 的項。 初始腳本（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" )
)
我現在的問題是，通過使用“整體效應”規則，排除了不遵循層次原則的術語，這意味著我的模型在使用逐步 regr 後包含。例如 相互作用和時間效應，但不是批次效應。 也可以看看：
我知道還有組合或限制規則（具有層次結構），但是通過應用這些規則，我的術語批次 ID（多級）被分成不同的組，這不是我想要的。 如果批次 ID 很重要（或者它與時間的交互），我真的只想擁有整個效果。
那麼有沒有一種方法可以將“整體效應”項展示與模型選擇的分層原則結合起來呢？ 腳本也適合我。 
我希望我能澄清我的問題。
提前感謝任何解決方案或評論！
最佳約翰
