nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

599600_ja-JP

liliconcom

相互作用効果を手動でコーディングする場合と、フィッティングモデルダイアログボックスのクロスオプションを使用して追加する場合のソリューションが異なります。

潜在的な救世主の皆様

最近、JMP で問題にどのように取り組むかによって矛盾が生じています。数値変数とダミー変数の相互作用を手動でコーディングすると (つまり、それらを掛け合わせると)、フィットモデルボックスでこれらの効果を交差させるように指定した場合と同じソリューションが得られません。さらに、R で同じことを行った場合、同じ動作は見られず、2 つの結果は同一であるため、変数の手動コーディングが間違っていたのではなく、JMP に関連する特性であると思われます (lme4 パッケージまたはその堅牢なバリアントを使用するパッケージを使用していますが、いずれもこの奇妙な動作は示しません)。

ご協力とご回答をよろしくお願いいたします

仕事

データの探索と視覚化

結果の共有と伝達

Re: 相互作用効果を手動でコーディングする場合と、フィッティングモデルダイアログボックスのクロスオプションを使用して追加する場合のソリューションが異なります。

の説明はこちらをご覧ください因子モデル最小二乗法プラットフォームで使用されます。リグレッサーレベルをコーディングする方法は複数あります。

リンクを提供していただきありがとうございます。掘り下げた後、解決策を見つけました。その理由は、相互作用のために変数を組み合わせる前に、変数が自動的にセンタリングされるためです。このオプションを無効にすると、解決策は同じになります。とはいえ、どう解釈すればいいのか、いまだに疑問に思っています。 p値は近くさえありません（明らかに有意からまったく有意ではありません）。それが標準的な選択肢として中心に置かれている理由は何ですか?また、p値は別の仮説に関するものと見なされるべきですか?もしそうなら、それはどれですか? 私の考えでは、平均を引くなどの線形変換はこの効果をもたらすべきではありませんか?

やあ@JobbeGoossens 、

JMP は、交互作用項と交互作用に含まれる変数項との間の多重共線性の問題を回避するために、交互作用がある場合に変数を自動的にセンタリングします。

コミュニティの同様のトピックに対して私が行った比較例を見ることができます。
https://community.jmp.com/t5/Discussions/Stepwise-model-question/mp/591848/highlight/true#M79593

自動センタリングは、実際には交互作用を評価してパラメーター推定値を計算する最も安全な方法です。交互作用に関与する主な変数との多重共線性を減らし、交互作用パラメーター推定値の分散を減らし、より信頼性が高く正確な有意性検定が得られるようにするためです。

この回答がお役に立てば幸いです。

ビクターが言うように...これがJMPの理由です：

https://www.jmp.com/support/notes/37/925.html

やあ@JobbeGoossens 、

なぜこの結果が不可解に見えるのかは非常に理にかなっています。これは、jmp のコンテキストだけでなく、よく出てくる問題です。参考になる場合は、私が投稿した別のディスカッションにリンクしたいと思います動画と解説これは、センタリング多項式が低次の項の解釈にどのように影響するかを示しています。これは、p 値が非常に異なる理由を説明するのに役立ちます (異なるものをテストしています)。

https://community.jmp.com/t5/Discussions/estimates-in-multipule-regression/mp/10965/highlight/true#M10565