使用交互中心進行協方差分析中的最小平方法平均值協方差分析廣泛用於比較藥物組之間的給藥後值，同時考慮到給藥前值等協變數。傳統上，當應用協方差分析時，假設所考慮的協變數與藥物組之間不存在交互作用。也已知，當觀察到的反應存在下限時，協變量和藥物組之間可能會發生交互作用。在高精度實驗的情況下，即使藥物之間斜率的微小差異也往往會導致交互作用的統計顯著差異；在低精度實驗的情況下，即使斜率的微小差異也可能導致統計上顯著的差異。在JMP的「擬合模型」中，如果模型中包含協變量和藥物組之間的交互作用，則僅對協變量自動進行居中，並且還可以輸出藥物組的最小二乘均值．現在，當存在交互作用時，我們應該如何解釋最小二乘平均值？即使存在混雜變量，也可以應用協方差分析，但很可能會出現明顯的交互作用。我想報告一下，我獲得了有關在 JMP 中以互動為中心時如何利用最小二乘平均值的新知識。
數據探索和視覺化實驗設計
