是否可以比较不同系统模型之间模型效应的重要性？你好，
我对 JMP 和统计数据还很陌生。 我试图模拟 A、B 和 C 对不同系统（X、Y 和 Z）恢复百分比的影响。 我正在使用 Analyze-> Fit Model 函数并使用 Response Surface Macro 来生成模型效果。 我正在为每个 X、Y 和 Z 生成模型，以使用 A、B 和 C 作为每个模型的主要模型效果。 然后我删除模型效应（主效应、双向交互作用和二次项）以优化调整后的 R2 以生成模型。
是否可以评论系统 X 中效果 A 的重要性与系统 Y 中效果 A 对百分比恢复的重要性？与系统 Y 相比，效果 A 对系统 X 的百分比回收率有更大的积极影响（如果效果 B 和 C 保持不变）。
我知道在 Prediction Profiler 下有“Assess Variable Importance”功能，但我不确定使用此功能来比较两个不同系统的模型之间的变量重要性是否合适（即使效果相同）。
谢谢，
分析基础数据分析与建模回复：是否可以比较不同系统模型之间模型效应的重要性？通常，针对设计实验的每次运行测量的不同响应取决于因子变化。 分别拟合每个响应并分别选择最佳模型通常是准确解释或预测效果的最佳方式。
您可以在 Fit Model 对话框窗口中定义一个通用模型，然后在单击 Run 之前选择 Fit Separately 选项。
回复：是否可以比较不同系统模型之间模型效应的重要性？感谢您的回复。 只是为了澄清，如果我要创建一组输入如何影响两个不同系统中恢复百分比的模型，那么如果这些参数中的一个在一个系统中比另一个系统更重要，那么就不可能评论？ 例如，我使用输入 AE 创建了独立模型，试图使用拟合模型函数和响应面宏来预测两个不同系统中的恢复百分比，以解释交互作用。 然后，对于每个系统的模型，移除最不显着的影响（主要、交互等）以优化 R2。 我还使用了 Prediction Profiler 下的“Assess Variable Importance”功能并获得了这些表格。
系统一：
系统 2：
说变量 D 在预测系统 1 中的恢复百分比方面比在系统 2 中具有更重要的影响是否准确，因为系统 1 中的“总效应”大于系统 2？
