品牌型号：微软 surface pro7

系统：Windows 10 64位专业版

软件版本：JMP pro 18

在JMP软件中，如果我们想要对多个变量进行分析，就需要用到多元线性建模功能，构建模型后解读结果的意义同样非常重要，新手在使用过程中会遇到简单线性回归无法兼顾的问题，这个时候多元线性的学习就尤其重要，下面我就来为大家结合我自己的经验详细介绍一下JMP多元线性怎么建模，JMP多元线性诊断应如何解读的相关内容。

一、JMP多元线性怎么建模

我们都知道通过量化多个自变量对一个因变量的影响，可以对现实中的政策，理论进行解释，验证以及预测，这就是多元线性建模的意义。线性模型在实际中被广泛运用，我们可能对此有误解，建模中的线性和数学中有一些不同的地方，在建模中，线性模型是指所有变量的系数是线性的就好，我们依然可以使用高次项和对数项进入模型。下面就来为大家详细讲一讲，JMP多元线性怎么建模的详细过程。

（1）数据准备：

我们需要将数据导入JMP，一般来说直接将需要分析的数据拖入JMP软件就好。接下来，我们需要确保因变量，就是后面需要被解释的Y变量，是连续变量，否则无法分析。

（2）启动模拟平台：

我们在菜单栏中先点击【分析】，然后选择【拟合模型】。

（3）开启分析：

我们将选中的因变量拖入【Y】中，然后将自变量拖入【构建模型效应】中，这里面就是我之前提到的，我们可以让自变量用交叉项，二次项等形式进入，至于特质，选择最小二乘法就可以了。

（4）完成选择之后，我们点击【运行】就好，JMP会为我们生成多元线性回归结果报告。

二、JMP多元线性诊断应如何解读

通过对多元线性模型的诊断，我们可以得出理论模型，并且对此进行分析验证，确保我们从数据中得出的结论和预测是可靠的，符合统计基础的。仅仅只是建立模型只是我们探索的第一步，对于模型诊断的理解才能保证我们推断的合理性，能够基于此调整模型的变量，使模型更加精细化，符合实际，并在最后为我们评估总体模型。下面就为大家带来JMP多元线性诊断应如何解读的重要内容。

（1）响应汇总：这是回归分析中一个重要部分，LogWorth是p值的对数转换值，我们可以通过这个值更直观地观察P值的显著性。LogWorth值越大，P值就越小，代表变量更显著，在模型中的影响就更大。

当然，就算我们能得到对数，大家也不要忘记关注P值，P值小于等于0.05代表在百分之九十五的置信区间中，结果可信。

（2）拟合汇总：这里面我们需要注意的值是R方和调整R方这两个值，R方是越大，说明模型越好的，这代表着选中的模型对于因变量的解释程度。比如说下图中，就可以看出该模型解释了因变量35.4%左右的变异，不过对于宏观数据来说，R方往往不会很高，我们只要了解其中含义就好。

（3）参数估计值：这也是报告中非常重要的一部分，其中估计值代表了方程系数，概率>|t|可以看作P值，越小越显著，如下图所示这几个参数在模型中P值都很小，我们可以将其视作显著。

通过多元线性诊断的解读让我们能从模型中得出最终的结论，从而进行深度研究，同时，正是由于多元线性模型的存在，我们才能更好地探索宏观中的复杂问题，以上就是JMP多元线性怎么建模，JMP多元线性诊断应如何解读的全部内容，希望可以帮助到大家。