在“拟合模型”中启动“响应筛选”

选择分析 > 拟合模型。输入您的 Y 变量和模型效应。从“特质”列表中选择响应筛选。

图 21.10 “拟合模型”窗口中的“响应筛选” 

有关“选择列”红色小三角菜单中选项的详细信息，请参见《使用 JMP》中的“列过滤器”菜单。

有两个选项可用于稳健估计：

稳健拟合 (Huber)

使用稳健 (Huber) 估计来减小连续响应离群值的权重。若无离群值，这些估计值接近最小二乘估计值。请注意该选项会增加处理时间。

非常稳健拟合 (Cauchy)

指定非常稳健 (Cauchy) 估计来减小连续响应离群值的权重。假定误差服从 Cauchy 分布。Cauchy 分布具有比正态分布更肥大的尾部，从而弱化了对离群值的强调。若您的数据中有较大比例的离群值，该选项会很有用。不过，若您的数据接近正态，只含有少数离群值，该选项会导致不正确的推断。Cauchy 选项使用最大似然和 Cauchy 连结函数估计参数。

提示：若同时选择了两个稳健选项，则平台仅使用 Cauchy 估计。

信息性缺失选项提供缺失值的编码系统。尽管存在缺失值，“信息性缺失”编码允许预测模型的估计。这在缺失数据可提供信息的情形中很有用。从“模型规格”红色小三角菜单中选择该选项。

图 21.11 “信息性缺失”选项 

有关“拟合模型”窗口的详细信息，请参见《拟合线性模型》中的启动“拟合模型”平台。