考虑包括协变量在内的多因素实验数据中的相互作用的探索性变量选择_Yukio Takahashi (2023-JA-25MP-02)在分析具有相同重复次数的多因素实验数据时找到最佳模型很困难，因为所有因素（包括相互作用）都是相互正交的，您只需合并即可。但是，如果存在必须考虑的协变量，则无法通过分解平方和来创建方差分析表。 Miyakawa (2008)，“问题发现和解决的科学 - SQC 的基础”包括一个包含协变量的三因素实验数据分析的示例，其主要由覆盖有回归线的分层散点图组成。显示使用虚拟变量的回归分析的结果。宫川强调，基于回归参数估计的推断并不容易，没有什么比在散点图中仔细分层更好的了。因此，在使用 JMP 的“模型拟合”中的“逐步法”选择包括交互作用在内的变量后，我们使用“标准最小二乘法”使用“预测剖面”和“交互剖面” ，然后使用“Graph”提出了一种使用“Builder”连接到网格状分层散点图的多方面、全面的问题解决方法。此外，除了 JMP 绘图之外，我们还将展示如何使用 Excel 创建解决问题所需的散点图。
高级统计建模自动化和脚本基础数据分析与建模消费者和市场研究数据访问数据混合和清理数据探索与可视化实验设计大规模定制预测模型和机器学习质量与工艺工程可靠性分析
