所有可能的模型多元迴歸 - 評估模型之間的 R2 變化大家好，
JMP 相對較新。我已經執行了所有子集多元迴歸，因為我試圖找到預測我的 DV 的最佳 IV 模型。基於 AICc、BIC 和 Mallows，有一個看起來最好的模型。然而，還有另一種模型，它有一個附加變量，具有類似的 AICc 等（儘管更差），但調整後的 R2 更好。 JMP 中是否有一種方法可以統計比較兩個模型之間 R2 的變化（「R2 變化」），就像 SPSS 可以做到的那樣？我想評估 R2 的增加是否具有統計顯著性。我懷疑事實並非如此，我應該堅持使用不太複雜的模型。
非常感謝，
菲爾
進階統計建模回覆：所有可能的模型多元迴歸 - 評估模型之間的 R2 變化嗨@philc86 ，歡迎光臨！如果模型之間的差異只是潛在變數之一（如您所描述的），那麼該附加變數的 p 值就是您所追求的（與測試 R^2 顯著增加相同）。一般來說，請參考以下內容：
https://www.stat.uchicago.edu/~yibi/teaching/stat224/L04.pdf
回覆：所有可能的模型多元迴歸 - 評估模型之間的 R2 變化嗨，MRB3855，
謝謝你。是的，我想測試一下，從統計學上來說，添加新變數後 R2 是否顯著增加。在 SPSS 中，我可以透過使用層次迴歸來做到這一點（將除附加變數之外的所有變數新增至區塊 1，然後在區塊 2 中新增附加變數）。但是我似乎不知道如何在 JMP 中執行此操作。你知道該怎麼做嗎？我寧願繼續只使用一個統計程式。
菲爾
回覆：所有可能的模型多元迴歸 - 評估模型之間的 R2 變化@philc86 ，您好：對於多個附加變量，我沒有找到一種直接在 JMP 中執行此操作的方法（除非我遺漏了某些內容）。我提供的連結文章描述瞭如何執行此操作，但您需要運行兩個模型（完整模型和簡化模型）來獲取所需的資訊（請參閱第 31 至 33 頁）以自行進行計算。 JMP 的未來版本中看到該功能，您可以將其新增至JMP「願望清單」。 https://community.jmp.com/t5/JMP-Wish-List/idb-p/jmp-wish-list
有人製作了一個關於如何做到這一點的影片。
https://www.youtube.com/watch?v=OwXHkoLOse8
回覆：所有可能的模型多元迴歸 - 評估模型之間的 R2 變化歡迎來到社區@philc86 ！
嗨@MRB3855 ，
與您的建議或@philc86 的初始需求沒有直接關係，但如果滿足使用該平台Fit 二級篩選平台的條件（ Fit 二級篩選平台概述 (jmp.com) ），它可以幫助識別重要的活躍術語並幫助選擇型號。請注意，效果會依照分層順序輸入到分析中。
該平台可以在 DoE、Classical、Factor Screening、Fit Two Level Screening 中找到。
希望這對討論有所幫助
回覆：所有可能的模型多元迴歸 - 評估模型之間的 R2 變化嗨@philc86 ，
在 JMP Pro 中執行此操作的一種方法是使用 SEM 平台；它允許您指定完整模型、受限模型，然後為您提供差異的統計檢定。此檢驗是卡方檢驗，但它會得到與層次迴歸中的 R^2 相同的推論。
事實上，多元迴歸模型可以在 SEM 中擬合，其結果與擬合模型平台相同。在 SEM 中進行此分析的一個特殊優點是，它預設使用尖端演算法處理遺失的數據，因此不會丟棄任何數據，從而提高功效。
如果您以前從未使用過 SEM，則需要一定的學習曲線，但是，我在此處提供了幾個 JSL 腳本，以防它們有所幫助：
1) 執行「Compare_FitModel_to_SEM.jsl」中的腳本將向您顯示使用「擬合模型」平台和 SEM 平台的多重迴歸的結果。您可以並排查看輸出以查看相同的結果：
2）腳本「Hierarchical_Regression_in_SEM.jsl」在同一個SEM報告中擬合兩個模型；完整模型，其中包含預測結果的所有變量；以及受限模型，除了一個（或多個）變量之外的所有變量，對結果沒有影響。在 SEM 路徑圖中，回歸效應被描繪為箭頭，因此您可以看到完整模型具有所有效應：
受限模型的一個效應固定為零：
在此範例中，卡方差異檢定顯示了透過將一個變數的影響固定為零而引起的統計上顯著的失配量：
因此，我們得出結論，完整模型是更好的模型。
在 SEM 中執行此操作的一個可能的缺點是預測變數的變異數和協方差均作為模型的一部分進行估計，因此，您可能需要相當大的樣本量才能使所有變數正常運作。此外，如果您有分類預測變量，則需要將它們輸入為數字二元變數（如多元迴歸中的虛擬編碼變數）。
哈特哈，
~勞拉
