该示例涉及两部分。首先,使用“分布”平台使变量标准化。然后,使用标准化的变量拟合正交模型。
1. 选择帮助 > 样本数据库,然后打开 Big Class.jmp。
2. 选择分析 > 分布。
3. 选择身高和体重,并点击Y,列。
4. 点击确定。
5. 按住 Ctrl 键。点击身高红色小三角并选择保存 > 标准化。
按住 Ctrl 键将该操作传播至报表窗口中的所有变量。请注意,Big Class.jmp 样本数据表中添加了两个新列。
6. 关闭“分布”报表窗口。
1. 从 Big Class.jmp 样本数据表中,选择分析 > 以 X 拟合 Y。
2. 选择标准化: 体重并点击 Y,响应。
3. 选择标准化: 身高并点击 X,因子。
4. 点击确定。
5. 点击“二元拟合,以‘标准化: 身高’拟合‘标准化: 体重’”旁边的红色小三角,然后选择拟合线。
6. 点击以“‘标准化: 身高’拟合‘标准化: 体重’”旁边的红色小三角,然后选择拟合正交。然后选择以下每一项:
‒ 方差相等
‒ 以 X 拟合 Y
‒ 指定方差比,并键入 0.2。
‒ 指定方差比,并键入 5。
图 5.21 正交拟合选项的示例
Figure 5.21 中的散点图显示标准化的身高和体重值,并通过多个线条拟合来演示所选的不同正交方差比的行为。在认为 X 变量的方差非常小时,将呈现标准线性回归(拟合线)。当 Y 变量的变异可忽略时,以 X 拟合 Y 是另一个极端。所有其他线条都落在这两个极端之间,并随方差比的变动而偏移。随着方差比增大,Y 响应中的变异占主导地位,拟合线的偏斜程度更靠近以 X 拟合 Y。同样,当您减小方差比时,拟合线的偏斜程度更靠近以 Y 拟合 X。