如何根據效果測試表解讀交互作用圖？雖然大多數來源在參數估計和效果測試表中都很重要，但為什麼在交互圖中看不到交叉點？
進階統計建模實驗設計回覆：如何根據效果測試表解讀互動圖？您沒有提供足夠的信息，例如您的數據來自哪裡（例如，觀察、實驗）來給出具體原因，因此這裡有一些需要考慮的事項。表中的統計顯著性取決於兩件事：術語的 MS（來源或模型）和 MS 誤差（F 檢定 = MSfactors/MSerror）。如果 MSe 的估計值非常小（且不具代表性），那麼一切都可以「具有統計顯著性」。這是我的第一個猜測。您的 MSe 是如何估算的？它是隨機重複的函數（統計學家喜歡稱之為純誤差）還是缺乏擬合（從模型中刪除無關緊要的項）？ MSe 與製程的實際變化相比如何？有考慮過實際意義嗎？
回覆：如何根據效果測試表解讀互動圖？嗨@Nimaxim 。由於您提供的資訊有限，很難確定。但是，我的猜測是樣本量。如果您的樣本量（誤差 df）非常大，即使非常小的影響也會顯示為「具有統計顯著性」。因此，雖然交互作用可能“具有統計顯著性”，但差異（如圖中的非平行線所示）可能可以忽略不計。這種現像有時被稱為「過度」。
回覆：如何根據效果測試表解讀互動圖？@statman ， @MRB3855感謝您對我的問題的答覆。事實上，此 RSM 分析使用神經網路來進行回應。因子值是基於真實的 RFM 模型資料。我附上一些結果。
回覆：如何根據效果測試表解讀互動圖？你好，
感謝您發布背景圖片，這非常有用。
您會發現參數估計表更有幫助。根據您的分析器圖片，我懷疑交互作用很重要，但也很小。另外，您的模型背後可能有很多觀察？這將有助於使小影響變得顯著。大量的自由度可以提高靈敏度，但也會增加誤報的機會。
乾杯，
-B
回覆：如何根據效果測試表解讀互動圖？嗨@Nimaxim ：其他帖子中提到的所有內容都在這裡發揮作用。首先我需要進一步澄清：
1.輸入是幾個X（您所說的「因子值」）
2. 響應 Y 來自基於相同的幾個 X 所建構的 NN 模型（如上面 1 所示）？
3. 那麼您使用多重迴歸/反應曲面來將 Y（如上面 2 中的 NN 模型的輸出）建模為相同 X 的函數（如上面 1 中）？即，您正在嘗試使用多重迴歸/響應曲面模型（6 個線性效應、6 個二次效應和 15 個交互作用來構成 27 個模型自由度）來預測 NN 模型的輸出？
我說的對嗎？
如果是這樣，你的結果就不足為奇了。不存在純粹的誤差（即重複得到相同的結果），因此唯一的誤差來源是模型指定錯誤（缺乏擬合）。在我們在這條路上走得太遠之前…你為什麼要這樣做？
