让 JMP 对心理学更有用的提示如果您希望您的软件用于社会科学，尤其是。心理学上，我推荐两个关键特征 - 第一个涉及简单斜率，第二个涉及层次回归。
一般来说，跟踪涉及连续变量的交互以进行“简单斜率”或“简单效应”分析的能力，其中用户至少可以在另一个预测变量的不同值处探测直线的斜率（并通过 SE 获得斜率），甚至更好的是，提供这些斜率之间的对比。 另一个预测变量可能是连续的（因此需要绘制正负 1 SE 的能力）或分类变量。
心理学中第二种非常常见的技术是层次回归，其中将两个模型与嵌套在另一个模型中的一个模型进行比较。 使用 JMP 执行此操作的唯一方法是运行两个模型，提取模型 dfs 和 SS 值以及 MSE，计算 F，然后在表中查找 F（或使用 JMP 公式计算关联的 p 值） ）。 非常笨重。 这在 R、SPSS 甚至 Jamovi 中都非常简单。
统计与分析回复：使 JMP 对心理学更有用的提示 - 状态更改为：已存档我们正在归档此请求。 如果这仍然很重要，请评论并提供更多详细信息，我们将重新开放。 谢谢你！
