所有可能的模型多元回归 - 评估模型之间的 R2 变化大家好，
JMP 相对较新。我执行了所有子集多元回归，因为我正在尝试找到预测我的 DV 的最佳 IV 模型。基于 AICc、BIC 和 Mallows，有一个看起来最好的模型。但是，还有另一个模型，它有一个额外的变量，具有相似的 AICc 等（虽然更差），但调整后的 R2 更好。JMP 中是否有一种方法可以统计比较两个模型之间的 R2 变化（“R2 变化”），就像 SPSS 可以做到的那样？我想评估 R2 的增加是否具有统计意义。我怀疑它不是，我应该坚持使用不太复杂的模型。
非常感谢，
菲尔
高级统计建模回复：所有可能的模型多元回归 - 评估模型之间的 R2 变化嗨@philc86 ，欢迎！如果模型之间的差异只是潜在变量之一（如您所述），那么该附加变量的 p 值就是您所追求的（与测试 R^2 是否显著增加相同）。并且，一般来说，请参见以下内容：
https://www.stat.uchicago.edu/~yibi/teaching/stat224/L04.pdf
回复：所有可能的模型多元回归 - 评估模型之间的 R2 变化你好MRB3855，
谢谢你。是的，我想测试一下从统计角度来说，添加新变量是否会显著增加 R2。在 SPSS 中，我可以使用分层回归（将除附加变量之外的所有变量添加到块 1，然后将附加变量添加到块 2）来实现这一点。但是我似乎不知道如何在 JMP 中做到这一点。你知道怎么做吗？我宁愿只使用一个统计程序。
菲尔
回复：所有可能的模型多元回归 - 评估模型之间的 R2 变化嗨@philc86 ：对于多个附加变量，我看不出有办法直接在 JMP 中执行此操作（除非我遗漏了什么）。我提供链接的文章描述了如何执行此操作，但您需要运行两个模型（完整模型和简化模型）以获取所需的信息（请参阅第 31 至 33 页）以便自己进行计算。如果您希望在未来版本的 JMP 中看到该功能，您可以将其添加到 JMP“愿望清单”中。https 
/community.jmp.com/t5/JMP-Wish-List/idb-p/jmp-wish-list
这里有人制作了一段视频，介绍如何做到这一点......
https://www.youtube.com/watch?v=OwXHkoLOse8
回复：所有可能的模型多元回归 - 评估模型之间的 R2 变化欢迎加入社区@philc86 ！
你好@MRB3855 ，
与您的建议或@philc86 的初始需求没有直接关系，但如果满足使用平台“拟合两级筛选平台”的条件（ 拟合两级筛选平台概述 (jmp.com) ），它可以帮助识别重要的有效术语并帮助选择模型。请注意，效果是按照层次顺序输入到分析中的。
该平台可以在 DoE、Classical、Factor Screening、Fit Two Level Screening 中找到。
希望这可以帮助讨论，
回复：所有可能的模型多元回归 - 评估模型之间的 R2 变化你好@philc86 ，
在 JMP Pro 中，您可以采用 SEM 平台来实现这一点；它允许您指定完整模型、受限模型，然后为您提供差异的统计检验。此检验是卡方检验，但它将得出与分层回归中的 R^2 相同的推论。
事实上，多元回归模型可以在 SEM 中拟合，其结果与“拟合模型”平台相同。在 SEM 中进行此分析的一个特别优势是，它默认使用尖端算法处理缺失数据，因此不会丢弃任何数据，从而提高功效。
如果您以前从未使用过 SEM，那么学习起来会有点困难，不过，我在这里提供了几个 JSL 脚本，希望它们能有所帮助：
1) 运行“Compare_FitModel_to_SEM.jsl”中的脚本将显示使用 Fit Model 平台和 SEM 平台的多元回归结果。您可以并排查看输出以查看相同的结果：
2) 脚本“Hierarchical_Regression_in_SEM.jsl”在同一个 SEM 报告中拟合了两个模型：完整模型，其中包含所有预测结果的变量；受限模型，其中包含除一个（或多个）变量之外的所有变量，这些变量对结果没有影响。在 SEM 路径图中，回归效应用箭头表示，因此您可以看到完整模型具有所有效应：
受限模型有一个效应固定为零：
在此示例中，卡方差异检验表明，将一个变量的效应固定为零会导致统计上显著的不匹配量：
因此，我们得出结论：完整模型是更好的模型。
在 SEM 中执行此操作的一个可能缺点是，预测变量的方差和协方差都是作为模型的一部分进行估计的，因此，您可能需要相当大的样本量才能使所有变量正常工作。此外，如果您有分类预测变量，则需要将它们作为数字二进制变量输入（如多元回归中的虚拟编码变量）。
高血压，
〜劳拉
