使用交互中心进行协方差分析中的最小二乘均值协方差分析广泛用于比较药物组之间的给药后值，同时考虑到给药前值等协变量。传统上，当应用协方差分析时，假设所考虑的协变量与药物组之间不存在相互作用。还已知，当观察到的反应存在下限时，协变量和药物组之间可能会发生相互作用。在高精度实验的情况下，即使药物之间斜率的微小差异也往往会导致相互作用的统计显着差异；在低精度实验的情况下，即使斜率的微小差异也可能导致统计学上显着的差异。即使存在差异，也不太可能具有统计显着性差异。在JMP的“拟合模型”中，如果模型中包含协变量和药物组之间的交互作用，则仅对协变量自动进行居中，并且还可以输出药物组的最小二乘均值．．现在，当存在交互作用时，我们应该如何解释最小二乘均值？即使存在混杂变量，也可以应用协方差分析，但很可能会出现明显的相互作用。我想报告一下，我获得了有关在 JMP 中以交互为中心时如何利用最小二乘均值的新知识。
数据探索与可视化实验设计
