创建二因素交互作用图（没有完整的矩阵轮廓）如何让 JMP 为我为已拟合模型拟合的模型手动选择的两个因素提供更清晰、更大、更简单的二因素交互作用图？
JMP 提供了一个分析器，就像这样，但它是一个巨大的矩阵，坦率地说，如果你想很好地关注一个特定的两因素交互作用，那么它不是特别可读。
我看不出有什么办法告诉它我不想看到整个矩阵并根据需要选择因素。
使用原始数据在图形生成器中创建会产生不同的结果，我不清楚为什么（我是工程师而不是统计学家），但我怀疑这与 Fit 中交互配置文件中的模型有关模型区域不包括所有可能的模型项，因为许多模型项都是微不足道的。这是AB交互。它更大、更清晰，但根据拟合模型分析器，它是错误，非常错误。
实验设计回复：创建两因素交互作用图（没有完整的矩阵轮廓）你好@CanonicalHazard ,
如果您保存并使用了模型响应的预测公式，则应该可以使用图形生成器来完成此操作。
作为示例，我使用了 JMP 示例索引中提供的数据集“2x3x4 Factorial”。
在构建模型时，似乎有两个交互作用很显着：
交互可以在“交互配置文件”面板中看到：
我保存响应 Y 的预测公式，并在图形生成器中使用它，在图形生成器中使用 X1 作为 X 和 X2 作为“覆盖”角色变量，我能够找到与之前看到的相同的交互图：
我还可以使用 X2 作为 X 和 X1 作为叠加变量，即使 X2 是分类因子，因为该因子具有“值顺序”属性，因此 JMP 知道以何种顺序显示级别。 我最终得到了这个图表，与之前“交互配置文件”面板中显示的非常相似：
这里使用 X3 作为 X 变量（并从图形生成器中删除点以使可视化更简单）：
当然，您可以自定义图表，删除或保留点，更改颜色、可视化样式…… 另请注意，图表的 Y 范围与预测的 Y 值范围相同，以便您的交互具有相同的斜率和行为（并且不会产生误导性的可视化）。
希望这个回答对你有帮助
回复：创建两因素交互作用图（没有完整的矩阵轮廓）谢谢。我发现这适用于许多数据集。由于某种未知的原因，它不适用于我的。
回复：创建两因素交互作用图（没有完整的矩阵轮廓）你好@CanonicalHazard ,
是否可以以匿名方式提供数据集？
使用相同的数据来研究这个主题以了解发生了什么会容易得多。
回复：创建两因素交互作用图（没有完整的矩阵轮廓）你好@Victor_G ,
附件是一个实验，因为它对每个因素都有第三级的附加元素。在“拟合最小二乘法”交互分析器中查看 CG 交互。如何在没有所有因素的整个矩阵的情况下单独将其弹出是我的目标。必须有一个命令可以执行此操作。保存 Y 预测公式然后使用图形生成器不会重新创建探查器中显示的内容。
分析器：
Y 预测公式的图形生成器：
回复：创建两因素交互作用图（没有完整的矩阵轮廓）你好@CanonicalHazard ,
感谢您提供示例数据集，并对我的延迟表示歉意。
我发现了与您相同的结果，并且使用放大镜工具，我可以在交互图上看到您显示线之间的交点位于 C = 2 处，这确实对应于水平 G 在 82,5 和 120 处的交点（不是45 和 120）。
我不明白为什么我们无法重现“交互图”中相同的图表。 我认为这可能是由于对因子水平进行编码时出现的问题，但我检查了一下，这不是问题。
我一无所知，但这可能是由于第三（中级）级别的存在？ 对于涉及 2 级连续因子的设计，我能够毫无问题地重现交互图。
回复：创建两因素交互作用图（没有完整的矩阵轮廓）@Victor_G
感谢您的浏览。我写信给 JMP 支持人员并得到了这样的信息：“没有办法限制交互分析器仅包含矩阵中因素的子集。”我想我们已经知道了这一点，这就是尝试重新创建它的原因。但这很好地证实了拟合模型中没有隐藏的东西可以做到这一点。我回复它询问手动创建，但尚未回复。
我还注意到竞争软件可以做到这一点，并且提供与 JMP Interaction Profiler 完全不同的东西（有时）。
所以现在我在想，“使用什么数学来创建这些交互图？”对于平衡设计的两级阶乘（低实例数与高实例数相同），这非常简单，但手工操作很繁琐。如果它们不平衡或有第三级，则必须进行诸如加权之类的操作。
另外，我的基本理解是使用原始数据，而不是预测值。但我不确定。所以要考虑另一件事。当我有机会时，我会进行帮助文件、文档和书籍搜索，以找到有信誉的来源或作者，解释如何计算特殊情况（3 个级别、不平衡设计等）的交互图。
与此同时，我想我可能会相信竞争性程序（我知道我很自以为是——但我正在向一位使用这两种软件程序的统计学家学习，而且那个人信任竞争性程序当前版本中的交互图）。我的工作流程是在 JMP 中完成所有工作。然后，当我想要干净地报告某些内容时，我将使用另一个程序来制作更大、更清晰的交互图。可能应该首先进行所有研究，但是我购买预编程软件是有原因的！研究需要时间。 （至少对于我来说）。
回复：创建两因素交互作用图（没有完整的矩阵轮廓）你好@CanonicalHazard ,
太好了，如果您有任何关于如何重新创建交互图的示例信息，请在这篇文章中告知社区成员，这对每个人都有启发。
我同意你的观点，你不需要任何模型或任何东西来绘制交互图，你可以直接使用原始数据（并且先可视化，后建模更有意义）。
也许您可以将其他软件之间的交互图与我们使用图形生成器“逻辑”执行的操作进行比较（使用响应作为 Y，一个因素作为 X，另一个因素作为“叠加”变量）？ 如果它们看起来相同，则可能需要搜索一些内容。
祝您研究顺利！
回复：创建两因素交互作用图（没有完整的矩阵轮廓）你好@Victor_G ,
似乎有解决方案，尽管它相当复杂。来自 JMP 技术支持：
由于您拥有希望排除的所有连续变量，因此我认为以下方法应该有效。
如果您执行以下操作，我认为您将在图形生成器中获得与最小二乘报告中看到的相同的交互图...
-- 像平常一样运行模型并打开交互图。
-- 单击左上角的热点，然后选择因子刻画 > 刻画器以打开预测刻画器（如果选中，则表示已打开）。
-- 现在转到刻画器并在按住 Alt 键的同时直接在 A 图中单击（以指定因子设置）。
-- 选中“锁定系数设置”框并单击“确定”。
--继续对除您感兴趣的两个因素（D 和 I）之外的每个因素执行相同的“锁定因素设置”操作。
-- 现在单击与预测刻画器关联的热点并选择输出网格表。
-- 打开图形生成器并根据这个新表构建交互图（即，响应为 Y，D 为 X，I 为叠加）。
-- 这应该与您在最小二乘报告中看到的图相同，只是轴可能不同并且每条曲线都有迹线。 如果您愿意，可以将轴从原始交互图复制并粘贴到图形生成器：
-- 右键单击原始交互图的 x 轴，然后选择编辑 > 复制轴设置。
-- 在图形生成器中右键单击绘图的 x 轴，然后选择编辑 > 粘贴轴设置。
-- 对 y 轴执行相同操作。
下面是两个因素 D x I 交互作用的响应 Y3 的示例——我用日志（故障时间）转换了 Y3：
使用本地数据过滤器：
该消息表明当模型包含非连续预测变量时可能会发生其他情况。当事情发生时我会处理它。
回复：创建双因子交互图（不含完整矩阵概况）写这篇文章的初衷是希望通过图形生成器重新创建交互配置文件的一个子图。
是否可以在图形生成器中重新创建交互配置文件的整个矩阵？
回复：创建双因子交互图（不含完整矩阵概况）嗨，霍吉！
是的，通过使用本主题中发布的手动方法。我按照发布的手动方法一次完成一项繁琐的工作。同样繁琐。我相信有人（比如我自己）可以编写脚本来执行此操作。我还没有尝试过。这是 JMP 的一个弱点。简化的交互图是向其他人展示实验的主要结论（和最佳因子水平）的好方法。仅使用 Profiler 就需要反复左右拖动才能看到此类交互的影响。很烦人。
我注意到在拟合模型——生存或风险个性中根本没有交互图。确实有人得到了分析器，所以我一直在此线程中使用手动方法，在锁定特定生存率（如 10% 失败）之后锁定任何其他因素，然后使用输出网格方法。最繁琐的部分是使用图形生成器中的本地数据过滤器从网格表中去除多余的级别；回到线性模型或原始实验中存在的级别数。
回顾我上面的笔记，看来由于我们正在使用分析器和输出网格表，所以这些必须是来自模型的预测值。
我应该补充一点，在很多情况下，我无法验证结果图是否准确。我使用过一个竞争程序来检查，但我不知道哪个是正确的（我在其他方面发现了竞争程序中的几个错误）。我不知道如何从头开始做。也许是预测公式，其中任何锁定的因素都被设置为预测的低和高之间的中间值？
回复：创建双因子交互图（不含完整矩阵概况）请注意，通过预测分析器描绘的曲线取决于分析器中的当前设置。
例如，对于“ 2x3x4 阶乘”，其中0、y、C ，曲线看起来类似于
https://community.jmp.com/t5/Discussions/Creating-two-factor-interaction-plot-without-the-full-matrix/mp/665355/highlight/true#M85368 ：
以下是该设置的一些其他交互配置文件： 1，x，D
Jmp 使用完整的预测模型来描述相互作用。
未由矩阵中的位置（分组）或 x 轴上指定的变量取自预测分析器的设置。
另一方面，当您在 Minitab 中生成交互图时，它会采用原始值。
通过对所有现有值取平均值来删除矩阵（分组）或 x 轴上的位置未指定的变量。
因此，如果您在预测分析器中选择一些“平均”值，Jmp 中的交互分析可能看起来与 Minitab 中的交互分析类似。
回复：创建双因子交互图（不含完整矩阵概况）可以使用以下代码创建“Minitab 版本”。
除了使用原始值之外，我们还可以使用预测值（->列切换器）。
为了获得 Jmp 交互配置文件的功能，需要为第三（或一般而言：附加）维度指定固定值（来自预测分析器）。
dt = Open( "$SAMPLE_DATA/Design Experiment/2x3x4 Factorial.jmp" );
myFit= dt <<
Fit Model(
Y( :Y ),
Effects( :X1, :X2, :X3, :X1 * :X2, :X1 * :X3, :X2 * :X3 ),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Screening" ),
Run(
Profiler(
1,
Confidence Intervals( 1 ),
Desirability Functions( 1 ),
Term Value(
X1( 0, Lock( 0 ), Show( 1 ) ),
X2( "x", Lock( 0 ), Show( 1 ) ),
X3( "A", Lock( 0 ), Show( 1 ) )
)
),
:Y )
);
myFit << Predicted Values;
dtLabels= New Table( "labels",
Add Rows( 3 ),
New Column( "variable", Character,Nominal,
Set Values( {"X1", "X2", "X3"} )
)
);
myDT = dt << Join(
With( dtLabels ),
Cartesian Join,
);
myDT << New Column( "Legend",
Character,
Nominal,
set each value( Char(As Column( :variable[] )[]) )
);
myDT << Graph Builder(
Show Control Panel( 0 ),
Variables(
X( :X1 ),
X( :X2 ),
X( :X3 ),
Y( :Y ),
Group Y( :variable ),
Overlay( :Legend )
),
Elements(
Position( 1, 1 ),
Points( X, Y, Legend( 1 ) ),
Smoother( X, Y, Legend( 6 ) )
),
Elements(
Position( 2, 1 ),
Points( X, Y, Legend( 2 ) ),
Smoother( X, Y, Legend( 3 ) )
),
Elements(
Position( 3, 1 ),
Points( X, Y, Legend( 4 ) ),
Smoother( X, Y, Legend( 5 ) )
),
Column Switcher( :Y, {:Y, :Predicted Y}, Title( "choose column" ) )
);
