具有遺傳限制的逐步迴歸各位，
我想透過使用擬合模型平台編寫腳本來自動化模型選擇過程，利用逐步迴歸進行穩定性分析（我也知道 JMP 中的穩定性平台，但出於「原因」我想使用擬合模型）。
我的術語是儲存時間、批次 ID 和儲存時間*批次 ID。 使用逐步迴歸，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，透過使用規則“整體效應”，不遵循分層原則排除術語，這意味著我的模型在使用逐步 regr 後包含。例如 交互作用和時間效應，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。 我真的只想獲得整個效果批次 ID（如果它很重要）（或其與時間的相互作用）。
那麼有沒有一種方法可以將「整體效果」項目展示與分層原則結合起來進行模型選擇呢？ 腳本也適合我。 
我希望我能澄清我的問題。
預先感謝您提供任何解決方案或評論！
最佳約翰
進階統計建模消費者與市場研究數據探索和視覺化預測建模和機器學習回覆：具有遺傳限制的逐步回歸
@約翰D寫道：
據我所知，JMP 17 現在有一個複選框可以預設穩定性平台中池化 MSE 的使用。 不幸的是我和我們的品質控制部門都沒有這個版本。
JMP 17 是大多數許可證中包含的免費升級。 請聯絡您組織的 JMP 軟體管理員並鼓勵他們取得 JMP 17。 他們最近收到了有關如何獲取它的資訊。
如果您不知道您的 JMP 軟體管理員是誰，您可以聯絡技術支援 ( support@jmp.com ）他們可以幫助您取得聯繫。
回覆：具有遺傳限制的逐步回歸嗨馬克，
非常感謝您的快速回覆。 我很熟悉您提到的基於 ICHQ1E 的程序以及如何在擬合模型中執行分析。 重點是，我想為我們的 QC 部門自動化模型選擇流程（遵循分層原則排除 p 值 >0.25 的項目）。 您認為有辦法編寫此腳本嗎？
我不想使用 JMP 中的穩定性平台，因為該平台使用非合併 MSE 的不同截距/不同斜率。 然而 ICHQ1E 要求合併 MSE 進行分析，這實際上也透過利用擬合模型平台（也具有不同的截距/不同的斜率模型）來使用。 使用合併或非合併 MSE 可能會對到期日計算產生重大影響。據我所知，JMP 17 現在有一個複選框可以預設穩定性平台中池化 MSE 的使用。 不幸的是我和我們的品質控制部門都沒有這個版本。 這就是為什麼我正在尋找使用擬合模型平台透過腳本實現自動化「解決方法」的原因。
親切的問候
約翰
回覆：具有遺傳限制的逐步回歸我相信你不能組合規則。 您一次只能選擇並使用一項規則。
您有一個簡單的線性不穩定情況，批次之間可能存在差異。 您可以避免逐步的限制和開銷。 使用基於擬合最小二乘法的直接方法而不是逐步方法可能會更容易選擇模型，因為您只有三項。 如果您遵循 ICH Q1E 和 Q1A，則測試可共用性（模型選擇）。
- 使用擬合最小平方法擬合完整模型（截距、批次、時間、交互作用）。
- 檢查交互作用的 p 值。
- 如果交互作用顯著，則估計每個批次的到期時間並選擇最短的壽命。
- 如果交互項不顯著，則擬合沒有交互項的簡化模型，並使用通用斜率。
- 如果使用第二個模型該批次很重要，則估計每個批次的到期時間並選擇最短的壽命。
- 如果在第二次擬合中不顯著，則擬合沒有批次效應的簡化模型並使用公共截距。
- 如果時間很重要，請使用簡化模型確定到期時間。
擬合最小平方法也支援逆預測，因此您可以立即確定三種可池化情況中任何一種的到期時間。
