如何處理包含的效果我正在進行一項 2x2 全因子研究，僅希望對主效應和單向交互作用進行建模。如下所示，我的主效應似乎不如包含它的單向交互作用那麼重要。我知道交互因素本身也是微不足道的，但在過去我認為它很重要。過去，我只是在消除主要影響之前消除了無關緊要的相互作用因素。有這方面的指導嗎？為什麼會發生這種情況？資料集中是否有任何特定內容導致此情況？在這種情況下處理影響的正確方法是什麼？提前致謝。
進階統計建模基礎資料分析與建模實驗設計預測建模和機器學習回覆：如何處理包含的效果據我所知，這些術語過去在這裡和其他地方已經被互換過。我按照 JMP 的方式使用這些術語。
效應層次是經常觀察到的原則，即大多數效應是一階的，其次最大的效應是二階的，依此類推。三階效應相當罕見。
我們使用模型遺傳來表示高階項（預測變數線性組合）應包含低階項
我不認為你錯了。我的使用僅僅和JMP一致。當我們使用某些術語時，我們都必須小心解釋我們的意思。你總是為自己解釋。
回覆：如何處理包含的效果@Mark_Bailey ，我認為這是層次結構原則。也就是說，遵循層次原則，如果有二階（高階）效應，則應包含一階（低階）效應。遺傳是一種分析原理，可以透過評估低階效應的重要性來幫助確定哪些混雜的高階效應是活躍的。遺傳：為了活化更高階的效果，至少有 1 個親代應該會啟動。如果我錯了請糾正我。
回覆：如何處理包含的效果嗨@sanch1 ，
@Mark_Bailey的統計解釋可以幫助您了解如何/為何使用模型遺傳來基於 DoE 資料建立模型。我想就效果的建模和意義提供進一步的問題和評論：
- 考慮到可能有很多方法可以得到不同的（但有用的）模型，這取決於您對「顯著性」或模型「準確性」的評估指標：效果的p 值閾值、AICc 和BIC 等資訊標準、 R²/R²調整後、RMSE…重要的是使用與您的目標（解釋性和/或預測性模型）一致的指標。
- 關於你的問題，我還要強調需要區分統計顯著性和實際顯著性（規模效應）。查看更多關於上一主題的資訊： https://community.jmp.com/t5/Discussions/Which-one-to-define-effect-size-Logworth-or-Scaled-Estimates/mp/728779/highlight/ true# M91099
根據您的信噪比，您也許能夠統計檢測（或檢測不到）一些主效應和/或交互效應。在「受控」環境中（「控制」或維持幹擾因素），使用可能高精度的測量系統（具有高重複性和再現性精度），您也許能夠檢測到效應量非常小的效應。根據您之前進行研究的條件，這可以解釋為什麼您可能錯過了這些影響。
- 您先前的研究與能源部完成的這項研究之間的實驗空間和樣本量也可能有所不同。根據因素、因素範圍、假設模型和實驗空間中點的重新分配，資料集的代表性和偵測效果的能力可能會有所不同。例如，樣本量較小的非常狹窄的空間使得檢測統計上顯著的效果變得更加困難。與第2點相關，非常大的樣本往往會將微小的差異轉化為統計上顯著的差異，因此這就是為什麼需要實際意義來評估模型的充分性。
重要的是用領域專業知識來補充統計分析，以挑戰/通知您創建的模型，並使用驗證運行來確認您的最終模型的預測。
我希望這些（並非詳盡無遺）考慮因素可以幫助您理解在不同分析中看到的差異，
回覆：如何處理包含的效果在 2x2 全因子研究中，通常會發現主效果和交互作用的顯著性可能會根據因素及其之間的交互作用而有所不同。有時，與包含主效應的交互作用相比，主效果可能顯得不那麼顯著，這可能是由於多種因素的綜合影響。當面對包含不太顯著的主效應的交互作用時，請考慮透過刪除無意義的術語來簡化模型，以專注於更可解釋的效應。
回覆：如何處理包含的效果你好@sanch1 ，
關於互動在您認為不應該顯示為活動時顯示為活動的情況，您是否嘗試繪製包含所有數據點的交互圖以了解為什麼交互顯示為活動？在 Søren Bisgaard & Michael Sutherland (2003) Split Plot Experiments: Taguchi's Ina Tile Experiment Reanalyzed, Quality Engineering, 16:1, 157-164）一文中，作者展示了此圖的範例以及未重複實驗的情況。資料收集中的問題或將資料記錄到表中時出現的錯誤可能會導致這種影響。
回覆：如何處理包含的效果JMP 尊重「模型遺傳」。該原則指出，您應該包含低階項，即使它們在您包含包含它們的高階項時並不重要。它與反應背後的物理科學或理論模型無關。實驗者通常期望模型具有尺度不變性。也就是說，如果我改變一個因素的尺度，模型中的項保持不變。如果你不尊重模型遺傳，情況就不是這樣。 JMP 遵循將所有因子水準編碼為 [-1,1] 的最佳實踐。因此，係數也被編碼。您可以將模型轉換為原始的科學或工程比例。如果您忽略模型遺傳，您會觀察到術語的變化。
