JMP 版本 17
我對擬合模型 pValue 有疑問。
當你把交互放入擬合模型中，然後進行“逐步”個性化時。 您可以使用 pValue 閾值刪除無關的交互作用。 見下文：
在這裡，我設置了回歸來刪除 P 值大於 0.1 的任何交互作用。然而，當我去製作具有“標準最小二乘”特性和“效果槓桿”強調的模型時，對於我剛剛在回歸控制中看到的相同交互作用，我得到的 P 值高於 0.1。 為什麼？ 見下文：
此外，當您刪除最差的交互作用（基於最高 pValue）時，其他一些交互作用會獲得更好的 pValues - 達到具有統計顯著性的程度，而在刪除之前，它們並非如此。 我假設刪除的交互確實有一些效果，然後該效果必須重新分配給其他變量，但我不明白為什麼它會產生如此大的差異，也不明白到底發生了什麼。 參見下文（是的，匹配的顏色表示兩個“效果摘要”圖像中相同的交互）。
我是一名化學家，我只有最基本的統計學知識。 所以，對於有經驗的用戶來說，這可能是一個足夠簡單的答案，但我覺得我對這些模型是盲目的。 您什麼時候真正知道您的模型是好的？ 您什麼時候知道刪除某些變量？ 純粹根據統計數據消除某些交互作用背後的原因是什麼？
任何幫助，將不勝感激。 謝謝。
