考慮包括協變量在內的多因素實驗數據中的相互作用的探索性變量選擇_Yukio Takahashi (2023-JA-25MP-02)在分析具有相同重複次數的多因素實驗數據時找到最佳模型很困難，因為所有因素（包括交互作用）都是相互正交的，您只需合併即可。但是，如果存在必須考慮的協變量，則無法透過分解平方和來建立變異數分析表。 Miyakawa (2008)，「問題發現和解決的科學 - SQC 的基礎」包括一個包含協變量的三因素實驗數據分析的示例，其主要由覆蓋有回歸線的分層散點圖組成。迴歸分析的結果。宮川強調，基於迴歸參數估計的推論並不容易，沒有什麼比在散佈圖中仔細分層更好的了。因此，在使用 JMP 的「模型擬合」中的「逐步法」選擇包含交互作用在內的變數後，我們使用「標準最小平方法」使用「預測剖面」和「交互剖面」 ，然後使用「Graph 」提出了一種使用「Builder」連接到網格狀分層散點圖的多方面、全面的問題解決方法。此外，除了 JMP 繪圖之外，我們還將展示如何使用 Excel 建立解決問題所需的散佈圖。
進階統計建模自動化和腳本編寫基礎資料分析與建模消費者與市場研究資料存取資料混合與清理數據探索和視覺化實驗設計大規模客製化預測建模和機器學習品質和工藝工程可靠度分析
