亲爱的 JMP 社区成员，
我尝试查看讨论历史，但找不到与我的询问相关的主题。
让我先介绍一下背景：
1. 有 5 个变量 (A、B、C、D、E)。我创建这些数据是为了解释目的。
2. 如果我想检查这 5 个变量是否“相关”，那么我们可以使用多变量选项，它提供
相关值。
3. 提供的相关值基于变量之间的线性关系。
例如：B vs D，相关性 = 1.00。
例如：A vs C，相关性 = 0.00。但是，A 和 C 之间存在二次关系。
我的问题是：
是否有任何统计方法可以快速查看以下关系（而非相关性）
变量？
或者，我可以用所有变量的组合手动执行拟合模型。但这太耗时了。
例如，下面有相同的散点图矩阵，但可以选择提供 Ftest（方差分析）的 P（值）来检查变量之间是否存在关系。假设为二次项。
示例：B vs D，相关性 = 1.00 且 F（检验）的 P（值）<0.0001
示例：A vs C，相关性 = 0.00 且 F（检验）的 P（值）<0.0001
谢谢指教。
Br，
克里斯
嗨@ChrisLooi ，
我建议像你一样绘制数据，以便使用 Multivariate 平台找到不寻常的模式。我还看到（至少）两种识别变量之间复杂关系/关联的方法：
- 在“多元”平台中，您还可以使用不同的非参数关联测量。使用您的示例的复本，Hoeffding 的 D 检验能够发现 A 和 C 之间的二次关系：
- 您还可以创建一个虚拟响应 Y（无论它是固定值还是随机值），并根据模型中引入的项，显示参数估计面板中的方差膨胀因子（右键单击表格，单击列并选择 VIF（如果默认情况下未显示）。高 VIF 表示模型中的项之间存在共线性问题。
在您的示例的复制中，可视化 VIF（通过它们的对数值，因为它们非常高！）能够识别可能的共线性问题：
术语 AxA、A 和 C 的 VIF 值非常高，表明存在共线性问题。许多其他术语的 VIF 值也很大（高于 5-10），因此您可以轻松识别出此数据集存在共线性问题。
我附上了用于重现您的用例的数据集。下次请提供您的示例数据集，这将节省一些时间并帮助人们更轻松地回答您的问题。
我希望这两个选项对你有帮助，
