JMP 版本 17
我对拟合模型 pValue 有疑问。
当你把交互放入拟合模型中，然后进行“逐步”个性化时。 您可以使用 pValue 阈值删除无关的交互作用。 见下文：
在这里，我设置了回归来删除 P 值大于 0.1 的任何交互作用。然而，当我去制作具有“标准最小二乘”特性和“效果杠杆”强调的模型时，对于我刚刚在回归控制中看到的相同交互作用，我得到的 P 值高于 0.1。 为什么？ 见下文：
此外，当您删除最差的交互作用（基于最高 pValue）时，其他一些交互作用会获得更好的 pValues - 达到具有统计显着性的程度，而在删除之前，它们并非如此。 我假设删除的交互确实有一些效果，然后该效果必须重新分配给其他变量，但我不明白为什么它会产生如此大的差异，也不明白到底发生了什么。 参见下文（是的，匹配的颜色表示两个“效果摘要”图像中相同的交互）。
我是一名化学家，我只有最基本的统计学知识。 所以，对于有经验的用户来说，这可能是一个足够简单的答案，但我觉得我对这些模型是盲目的。 您什么时候真正知道您的模型是好的？ 您什么时候知道删除某些变量？ 纯粹根据统计数据消除某些交互作用背后的原因是什么？
任何帮助，将不胜感激。 谢谢。
