如何根据效果检验表解读交互作用图？虽然大多数来源在参数估计和效应检验表中都是显著的，但为什么在交互图中没有看到交点？
高级统计建模实验设计回复：如何根据效果检验表解读交互作用图？您没有提供足够的信息，例如您的数据来自哪里（例如，观察数据、实验数据）以说明具体原因，因此这里有一些需要考虑的事情。表格中的统计显著性取决于两个因素：项的 MS（来源或模型）和 MS 误差（F 检验 = MS 因子/MS 误差）。如果 MSe 的估计值非常小（且不具代表性），那么一切都可能具有“统计显著性”。这是我的第一个猜测。您的 MSe 是如何估计的？它是随机重复的函数（统计学家喜欢称之为纯误差）还是缺乏拟合（从模型中删除不显著的项）？MSe 与过程中的实际变化相比如何？您是否考虑过实际意义？
回复：如何根据效果检验表解读交互作用图？你好@Nimaxim 。由于你提供的信息有限，很难确定。但我猜是样本量。如果你的样本量（误差 df）非常大，即使是非常小的影响也会显示为“统计显著”。因此，虽然相互作用可能“统计显著”，但差异（如图中非平行线所示）可能可以忽略不计。这种现象有时被称为“超强”。
回复：如何根据效果检验表解读交互作用图？@statman , @MRB3855感谢您对我的问题的回复。事实上，这个 RSM 分析使用神经网络来获取响应。因子值基于真实的 RFM 模型数据。我附上了一些结果。
回复：如何根据效果检验表解读交互作用图？你好，
谢谢您发布图片作为背景说明，这非常有用。
参数估计表是最有用的。根据您的分析器图片，我怀疑相互作用是显著的，但也很小。此外，您的模型背后可能有很多观察结果？这将有助于使小的影响变得显著。大量的自由度可以增加灵敏度，但也会增加误报的可能性。
干杯，
-B
回复：如何根据效果检验表解读交互作用图？你好@Nimaxim ：其他帖子中提到的所有内容都在这里适用。首先我需要进一步澄清一下：
1. 输入是几个X（你称之为“因子值”）
2. 响应 Y 是否来自于基于相同的几个 X 构建的 NN 模型（如上面的 1 所示）？
3. 那么，您使用多元回归/响应面对 Y 进行建模（它是 NN 模型的输出，如上文第 2 点所示），将其作为相同 X 的函数（如上文第 1 点所示）？也就是说，您尝试使用多元回归/响应面模型（6 个线性效应、6 个二次效应和 15 个相互作用，构成 27 个模型自由度）来预测 NN 模型的输出？
我说的对吗？
如果是这样，您的结果就不足为奇了。没有纯误差（即重复得到相同的结果），因此唯一的误差来源是由于模型错误指定（缺乏拟合）。在我们深入讨论这个问题之前...您为什么要这样做？
