手动编码我的交互效应与通过拟合模型对话框中的交叉选项添加它们时产生的解决方案不同。亲爱的潜在救世主
最近，我遇到了 JMP 中的一些不一致问题，这取决于我解决问题的具体方式。当我手动编码数值变量和虚拟变量的交互（即我将它们相乘）时，我得到的解与我在拟合模型框中指定要交叉这些影响时得到的解不同。此外，当我在 R 中执行相同操作时，我看不到相同的行为，并且两个结果是相同的，因此我怀疑不是变量的手动编码出了问题，而是与 JMP 相关的特性（我正在使用使用 lme4 包或其稳健变体的包，它们都没有显示这种奇怪的行为。）。
提前感谢您的帮助和回答
工作
数据探索与可视化分享和交流结果回复：手动编码我的交互效果与通过拟合模型对话框中的交叉选项添加它们时的不同解决方案。请看这个解释因子模型在“拟合最小二乘法”平台中使用。 编码回归量级别的方法不止一种。
回复：手动编码我的交互效果与通过拟合模型对话框中的交叉选项添加它们时的不同解决方案。感谢您提供链接。 经过一番挖掘，我找到了解决方案。 原因是在将变量组合起来进行交互之前，变量会自动居中。 当我禁用此选项时，解决方案再次相同。 然而，这仍然让我想知道应该如何解释它。 p 值甚至不接近（它从明显显着变为根本不显着）。 它作为标准选项居中的原因是什么？是否应该将 p 值视为与另一个假设有关，如果是，那么是哪个？ 在我看来，减去均值这样的线性变换应该不会有这个效果吧？
回复：手动编码我的交互效果与通过拟合模型对话框中的交叉选项添加它们时的不同解决方案。感谢您提供链接。 经过一番挖掘，我找到了解决方案。 原因是在将变量组合起来进行交互之前，变量会自动居中。 当我禁用此选项时，解决方案再次相同。 然而，这仍然让我想知道应该如何解释它。 p 值甚至不接近（它从明显显着变为根本不显着）。 它作为标准选项居中的原因是什么？是否应该将 p 值视为与另一个假设有关，如果是，那么是哪个？ 在我看来，减去均值这样的线性变换应该不会有这个效果吧？
回复：手动编码我的交互效果与通过拟合模型对话框中的交叉选项添加它们时的不同解决方案。你好@JobbeGoossens ,
当存在交互作用时，JMP 会自动对变量进行居中处理，以避免交互项和交互项中涉及的变量项之间出现多重共线性问题。
您可以在社区中看到我为类似主题所做的比较示例：
https://community.jmp.com/t5/Discussions/Stepwise-model-question/mp/591848/highlight/true#M79593
自动居中实际上是评估交互作用和计算参数估计值的最安全方法，因为您减少了与交互作用中涉及的主要变量的多重共线性，因此您减少了交互作用参数估计值的方差，从而导致更可靠和准确的显着性检验。
希望这个回答能帮到你回复：手动编码我的交互效果与通过拟合模型对话框中的交叉选项添加它们时的不同解决方案。正如 Victor 所说...这是 JMP 的原因：
https://www.jmp.com/support/notes/37/925.html
回复：手动编码我的交互效果与通过拟合模型对话框中的交叉选项添加它们时的不同解决方案。你好@JobbeGoossens ,
为什么这个结果看起来很神秘是有道理的，而且这个问题经常出现，而不仅仅是在 jmp 的上下文中。 如果有帮助，我想将您链接到我发布的另一个讨论视频和解释这演示了居中多项式如何影响低阶项的解释，这应该有助于解释为什么 p 值如此不同（他们正在测试不同的东西）。
https://community.jmp.com/t5/Discussions/estimates-in-multipule-regression/mp/10965/highlight/true#M10565
我希望这有帮助！
@朱利安
