是否可以比較不同系統模型之間模型效應的重要性？你好，
我對 JMP 和統計數據還很陌生。 我試圖模擬 A、B 和 C 對不同系統（X、Y 和 Z）恢復百分比的影響。 我正在使用 Analyze-> Fit Model 函數並使用 Response Surface Macro 來生成模型效果。 我正在為每個 X、Y 和 Z 生成模型，以使用 A、B 和 C 作為每個模型的主要模型效果。 然後我刪除模型效應（主效應、雙向交互作用和二次項）以優化調整後的 R2 以生成模型。
是否可以評論系統 X 中效果 A 的重要性與系統 Y 中效果 A 對百分比恢復的重要性？與系統 Y 相比，效果 A 對系統 X 的百分比回收率有更大的積極影響（如果效果 B 和 C 保持不變）。
我知道在 Prediction Profiler 下有“Assess Variable Importance”功能，但我不確定使用此功能來比較兩個不同系統的模型之間的變量重要性是否合適（即使效果相同）。
謝謝，
分析基礎數據分析與建模回复：是否可以比較不同系統模型之間模型效應的重要性？通常，針對設計實驗的每次運行測量的不同響應取決於因子變化。 分別擬合每個響應並分別選擇最佳模型通常是準確解釋或預測效果的最佳方式。
您可以在 Fit Model 對話框窗口中定義一個通用模型，然後在單擊 Run 之前選擇 Fit Separately 選項。
回复：是否可以比較不同系統模型之間模型效應的重要性？感謝您的回复。 只是為了澄清一下，如果我要創建一組輸入如何影響兩個不同系統中恢復百分比的模型，那麼如果這些參數中的一個在一個系統中比另一個系統更重要，那麼就不可能發表評論了？ 例如，我使用輸入 AE 創建了獨立模型，試圖使用擬合模型函數和響應曲面宏來預測兩個不同系統中的恢復百分比，以解釋交互作用。 然後，對於每個系統的模型，移除最不顯著的影響（主要、交互等）以優化 R2。 我還使用了 Prediction Profiler 下的“Assess Variable Importance”功能並獲得了這些表格。
系統一：
系統 2：
是否準確地說變量 D 在預測系統 1 中的恢復百分比方面比在系統 2 中具有更重要的影響，因為系統 1 中的“總效應”大於系統 2？
