我如何知道线性模型或非线性回归模型是否适合我的变量？你好，
我是 JMP 的新手，因为我最近刚完成 Coursera 提供的 DOE 课程。但是，我必须在我的项目中使用它，因此我尝试使用 JMP 社区论坛来查找我的回复。但是，在这种情况下，我找不到我想要的回复。
我有一个2 级全因子设计，包含 3 个变量和 2 个中心点。我考虑了 2 次重复，因此总共运行了 20 次。我使用 DOE > 经典 > 全因子设计制作了数据表。为了分析我的数据：分析 > 拟合模型，个性：标准最小二乘法，重点：效应筛选。我的目的是知道我的变量是适合线性模型还是非线性模型？因为在 Minitab 中，我认为使用“方差分析”，“二次项”显示它是否重要。我尝试了不同的宏，如 JMP，但没有一个显示任何线性或非线性的迹象，正如我所知。
JMP，版本 17.2.0 (701896)
我请附上我的数据表和拟合模型的截图。
如果您能帮助我解决这个问题，我将非常感激。
谢谢你，
纳菲塞赫
实验设计回复：我如何知道线性模型或非线性回归模型是否适合我的变量？你好，Victor，
感谢您的全面解释。
抱歉，我的数据表的截图是错误的。但是 .jmp 文件是正确的。因为首先我尝试附加数据表和分析的两个文件，但我只能附加数据表。所以，请不要考虑之前关于我的数据表的截图。
回复：我如何知道线性模型或非线性回归模型是否适合我的变量？你好@Nafis1991 ，
好的，现在响应的值更有意义了，我可以重现您的结果。因此，基于这些值和您的问题，我认为您可能对如何验证回归模型以及需要注意什么感兴趣。关于这个主题有很多很好的资源可供深入研究：
要检查模型拟合度和假设，您可以查看：
如前所述， 拟合度检验有助于评估模型是否能很好地拟合数据。如果拟合度不高（由具有统计显著性的 p 值表示），则可能表明模型中缺少某个项（如高阶项、交互作用或二次效应），或者模型中可能错误地添加了某些项。
根据您的目标，有几种指标和统计数据可帮助您评估模型是否可靠和相关：模型的统计意义（ 方差分析（jmp.com） ）、拟合度摘要（R²、R² 调整、RMSE）以及可能通过其他平台访问的其他指标（如广义回归平台的信息标准）...
"所有模型都是错误的, 但有些是有用的“（乔治·EP·博克斯）：
请注意，您可以找到几个同样拟合的模型，因此将领域专业知识与统计数据结合使用可以帮助您比较和选择最有趣的模型。仅供参考，我在您的数据表中保存了 2 个脚本，显示了 2 个相似但不同的模型（在表中添加了它们的预测公式）：
- “拟合粘贴 2 的最小二乘面积 [完整模型]”：包含所有项的模型（主效应、2 因子相互作用和一个 3 因子相互作用）。
- “拟合最小二乘粘连面积 2 [简化模型 1]”：包含所有主效应和 2 因子相互作用的模型。无 3 因子相互作用。
您可以看到这两个模型的结果非常相似，因此领域专业知识可以帮助您理清模型，或者您可以继续使用这两个模型（或更多）。
希望这个（长）答案能够回答你的问题（可能还有更多），
回复：我如何知道线性模型或非线性回归模型是否适合我的变量？你好@Victor_G
非常感谢您如此完整的回复。是的，这很有帮助。
祝好，
纳菲塞赫
