手動編碼我的交互效應與透過擬合模型對話框中的交叉選項添加它們時產生的解決方案不同。親愛的潛在救世主
最近，我在 JMP 中遇到了一些不一致的問題，這取決於我如何準確地解決問題。當我手動編碼數值變數和虛擬變數的交互作用（即，我將它們相乘）時，我得到的解決方案與我在擬合模型框中指定想要交叉這些效應時得到的解決方案不同。此外，當我在 R 中執行相同操作時，我似乎沒有看到相同的行為，並且兩個結果相同，這使我懷疑不是變量的手動編碼出了問題，而是與 JMP 相關的特性（我正在使用使用 lme4 包或其健壯變體的包，它們都沒有顯示這種奇怪的行為。）。
提前感謝您的幫助和回答
工作
數據探索與視覺化分享和交流成果回复：手動編碼我的交互效果與通過擬合模型對話框中的交叉選項添加它們時的不同解決方案。請看這個解釋因子模型在“擬合最小二乘法”平台中使用。 編碼回歸量級別的方法不止一種。
回复：手動編碼我的交互效果與通過擬合模型對話框中的交叉選項添加它們時的不同解決方案。感謝您提供鏈接。 經過一番挖掘，我找到了解決方案。 原因是在將變量組合起來進行交互之前，變量會自動居中。 當我禁用此選項時，解決方案再次相同。 然而，這仍然讓我想知道應該如何解釋它。 p 值甚至不接近（它從明顯顯著變為根本不顯著）。 它作為標準選項居中的原因是什麼？是否應該將 p 值視為與另一個假設有關，如果是，那麼是哪個？ 在我看來，減去均值這樣的線性變換應該不會有這個效果吧？
回复：手動編碼我的交互效果與通過擬合模型對話框中的交叉選項添加它們時的不同解決方案。感謝您提供鏈接。 經過一番挖掘，我找到了解決方案。 原因是在將變量組合起來進行交互之前，變量會自動居中。 當我禁用此選項時，解決方案再次相同。 然而，這仍然讓我想知道應該如何解釋它。 p 值甚至不接近（它從明顯顯著變為根本不顯著）。 它作為標準選項居中的原因是什麼？是否應該將 p 值視為與另一個假設有關，如果是，那麼是哪個？ 在我看來，減去均值這樣的線性變換應該不會有這個效果吧？
回复：手動編碼我的交互效果與通過擬合模型對話框中的交叉選項添加它們時的不同解決方案。你好@JobbeGoossens ,
當存在交互作用時，JMP 會自動對變量進行居中處理，以避免交互項和交互項中涉及的變量項之間出現多重共線性問題。
您可以在社區中看到我為類似主題所做的比較示例：
https://community.jmp.com/t5/Discussions/Stepwise-model-question/mp/591848/highlight/true#M79593
自動居中實際上是評估交互作用和計算參數估計值的最安全方法，因為您減少了與交互作用中涉及的主要變量的多重共線性，因此您減少了交互作用參數估計值的方差，從而導致更可靠和準確的顯著性檢驗。
希望這個回答能幫到你回复：手動編碼我的交互效果與通過擬合模型對話框中的交叉選項添加它們時的不同解決方案。正如 Victor 所說...這是 JMP 的原因：
https://www.jmp.com/support/notes/37/925.html
回复：手動編碼我的交互效果與通過擬合模型對話框中的交叉選項添加它們時的不同解決方案。你好@JobbeGoossens ,
為什麼這個結果看起來很神秘是有道理的，而且這個問題經常出現，而不僅僅是在 jmp 的上下文中。 如果有幫助，我想將您鏈接到我發布的另一個討論視頻和解釋這演示了居中多項式如何影響低階項的解釋，這應該有助於解釋為什麼 p 值如此不同（他們正在測試不同的東西）。
https://community.jmp.com/t5/Discussions/estimates-in-multipule-regression/mp/10965/highlight/true#M10565
我希望這有幫助！
@朱利安
