ในโมเดลที่ไม่มีเงื่อนไขการโต้ตอบ (นั่นคือโดยไม่มีเงื่อนไขที่สร้างขึ้นเป็นผลคูณของเงื่อนไขอื่น ๆ ) สัมประสิทธิ์การถดถอยของตัวแปรแต่ละตัวคือความชันของพื้นผิวการถดถอยในทิศทางของตัวแปรนั้น เป็นค่าคงที่โดยไม่คำนึงถึงค่าของตัวแปรและสามารถพูดได้เพื่อวัดผลกระทบโดยรวมของตัวแปรนั้น
ในโมเดลที่มีการโต้ตอบการตีความนี้สามารถทำได้โดยไม่ต้องมีการรับรองเพิ่มเติมสำหรับตัวแปรเหล่านั้นที่ไม่เกี่ยวข้องกับการโต้ตอบใด ๆ สำหรับตัวแปรที่เกี่ยวข้องในการโต้ตอบสัมประสิทธิ์การถดถอย "หลัก - ผลกระทบ" - นั่นคือสัมประสิทธิ์การถดถอยของตัวแปรด้วยตัวเอง - เป็นความลาดชันของพื้นผิวการถดถอยในทิศทางของตัวแปรนั้นเมื่อตัวแปรอื่น ๆ ทั้งหมดที่ โต้ตอบกับตัวแปรนั้นมีค่าเป็นศูนย์และการทดสอบความสำคัญของสัมประสิทธิ์หมายถึงความชันของพื้นผิวการถดถอยเฉพาะในพื้นที่นั้นของพื้นที่ทำนาย. เนื่องจากไม่มีข้อกำหนดว่าจะมีข้อมูลในพื้นที่ของพื้นที่นั้นค่าสัมประสิทธิ์หลักอาจมีความคล้ายคลึงกับความชันของพื้นผิวการถดถอยในพื้นที่ของพื้นที่ทำนายซึ่งมีการสังเกตข้อมูลจริงเล็กน้อย
ในแง่ของโนวาสัมประสิทธิ์ผลหลักคล้ายคลึงกับเอฟเฟกต์หลักอย่างง่ายไม่ใช่เอฟเฟกต์หลักโดยรวม ยิ่งไปกว่านั้นมันอาจหมายถึงสิ่งที่อยู่ในการออกแบบ anova จะเป็นเซลล์ว่างที่ข้อมูลถูกจัดทำขึ้นโดยการประมาณจากเซลล์ที่มีข้อมูล
สำหรับการวัดผลกระทบโดยรวมของตัวแปรที่คล้ายคลึงกับผลกระทบหลักโดยรวมใน anova และไม่คาดการณ์เกินกว่าพื้นที่ซึ่งข้อมูลถูกสังเกตเห็นเราจะต้องดูความชันเฉลี่ยของพื้นผิวการถดถอยในทิศทางของตัวแปร ซึ่งค่าเฉลี่ยอยู่เหนือผู้ป่วย N รายที่สังเกตได้จริง ความชันเฉลี่ยนี้สามารถแสดงเป็นผลรวมถ่วงน้ำหนักของสัมประสิทธิ์การถดถอยของคำศัพท์ทั้งหมดในแบบจำลองที่เกี่ยวข้องกับตัวแปรที่เป็นปัญหา
น้ำหนักนั้นอธิบายได้ยาก แต่ง่ายต่อการเข้าใจ สัมประสิทธิ์ผลหลักของตัวแปรจะมีค่าเป็น 1 เสมอสำหรับแต่ละค่าสัมประสิทธิ์ของคำที่เกี่ยวข้องกับตัวแปรนั้นน้ำหนักเป็นค่าเฉลี่ยของผลคูณของตัวแปรอื่น ๆ ในระยะนั้น ตัวอย่างเช่นหากเรามีห้าตัวแปร "ดิบ" x1, x2, x3, x4, x5
รวมถึงการโต้ตอบสองทางสี่ทางและการโต้ตอบ(x1,x2), (x1,x3), (x2,x3), (x4,x5)
สามทางหนึ่ง(x1,x2,x3)
รูปแบบก็คือ
y = b0 + b1*x1 + b2*x2 + b3*x3 + b4*x4 + b5*x5 +
b12*x1*x2 + b13*x1*x3 + b23*x2*x3 + b45*x4*x5 +
b123*x1*x2*x3 + e
และผลกระทบหลักโดยรวมคือ
B1 = b1 + b12*M[x2] + b13*M[x3] + b123*M[x2*x3],
B2 = b2 + b12*M[x1] + b23*M[x3] + b123*M[x1*x3],
B3 = b3 + b13*M[x1] + b23*M[x2] + b123*M[x1*x2],
B4 = b4 + b45*M[x5],
B5 = b5 + b45*M[x4],
โดยที่ M [.] หมายถึงค่าเฉลี่ยตัวอย่างของปริมาณในวงเล็บ เงื่อนไขผลิตภัณฑ์ทั้งหมดในวงเล็บอยู่ในเงื่อนไขที่สร้างขึ้นเพื่อทำการถดถอยดังนั้นโปรแกรมการถดถอยควรทราบเกี่ยวกับพวกเขาแล้วและควรจะสามารถพิมพ์วิธีการของพวกเขาเมื่อมีการร้องขอ
ในแบบจำลองที่มีเอฟเฟกต์หลักและการโต้ตอบแบบสองทางมีวิธีที่ง่ายกว่าในการรับเอฟเฟกต์รวม: จัดกึ่งกลาง [1] ตัวแปรดิบตามค่าเฉลี่ย สิ่งนี้จะต้องทำก่อนที่จะคำนวณเงื่อนไขของผลิตภัณฑ์และไม่ควรทำกับผลิตภัณฑ์ จากนั้นนิพจน์ M [.] ทั้งหมดจะกลายเป็น 0 และสัมประสิทธิ์การถดถอยจะสามารถตีความได้ว่าเป็นผลกระทบโดยรวม ค่าของ b's จะเปลี่ยนไป ค่าของ B จะไม่ เฉพาะตัวแปรที่เกี่ยวข้องกับการโต้ตอบเท่านั้นที่จะต้องอยู่กึ่งกลาง แต่โดยทั่วไปจะไม่มีอันตรายใด ๆ ผลทั่วไปของการจัดให้ตัวแปรอยู่ตรงกลางคือนอกเหนือจากการเปลี่ยนการสกัดกั้นแล้วมันจะเปลี่ยนเฉพาะค่าสัมประสิทธิ์ของตัวแปรอื่น ๆ ที่มีปฏิสัมพันธ์กับตัวแปรกลาง โดยเฉพาะอย่างยิ่ง, มันไม่ได้เปลี่ยนค่าสัมประสิทธิ์ของเงื่อนไขใด ๆ ที่เกี่ยวข้องกับตัวแปรกึ่งกลาง ในตัวอย่างที่ให้ไว้ข้างต้นการจัดศูนย์กลาง x1 จะเปลี่ยน b0, b2, b3 และ b23
[1 - "การตั้งศูนย์" ถูกใช้โดยผู้คนต่างกันในรูปแบบที่แตกต่างกันมากพอที่จะทำให้เกิดความสับสน ตามที่ใช้ที่นี่ "การจัดวางตัวแปรที่ #" หมายถึงการลบ # จากคะแนนทั้งหมดในตัวแปรการแปลงคะแนนดั้งเดิมเป็นการเบี่ยงเบนจาก #]
ดังนั้นทำไมไม่มุ่งเน้นไปที่วิธีการเสมอ สามเหตุผล ก่อนอื่นสัมประสิทธิ์ผลหลักของตัวแปรที่ไม่ได้ใส่ตัวเองอาจเป็นที่สนใจ การจัดให้อยู่กึ่งกลางในกรณีดังกล่าวจะเป็นการต่อต้านเนื่องจากมีการเปลี่ยนแปลงค่าสัมประสิทธิ์ผลหลักของตัวแปรอื่น ๆ
ประการที่สองตรงกลางจะทำให้ทุก M [.] แสดงออก 0 และทำให้ผลกระทบที่แปลงง่ายที่จะมีผลกระทบโดยรวมเฉพาะในรุ่นที่มีไม่มีสามทางหรือการโต้ตอบที่สูงขึ้น ถ้าแบบจำลองนั้นมีการโต้ตอบเช่นนั้นการคำนวณ b -> B จะต้องดำเนินการต่อไปแม้ว่าตัวแปรทั้งหมดจะอยู่กึ่งกลางของค่าเฉลี่ย
ประการที่สามการจัดศูนย์กลางที่ค่าเช่นค่าเฉลี่ยที่กำหนดโดยการกระจายของตัวทำนายเมื่อเทียบกับการเลือกอย่างมีเหตุผลหมายความว่าสัมประสิทธิ์ทั้งหมดที่ได้รับผลกระทบจากการจัดกึ่งกลางนั้นจะเฉพาะเจาะจงกับตัวอย่างเฉพาะของคุณ หากคุณมุ่งเน้นที่ค่าเฉลี่ยแล้วมีคนพยายามทำซ้ำการศึกษาของคุณจะต้องมุ่งเน้นที่ค่าเฉลี่ยของคุณไม่ใช่ค่าเฉลี่ยของพวกเขาหากพวกเขาต้องการได้รับค่าสัมประสิทธิ์เดียวกับที่คุณได้รับ วิธีแก้ปัญหานี้คือการจัดวางตัวแปรแต่ละตัวที่ค่ากลางที่เลือกอย่างสมเหตุสมผลของตัวแปรนั้นขึ้นอยู่กับความหมายของคะแนนและไม่ขึ้นอยู่กับการกระจายของคะแนน อย่างไรก็ตามการคำนวณ b -> B ยังคงมีความจำเป็น
ความสำคัญของผลกระทบโดยรวมอาจถูกทดสอบโดยขั้นตอนปกติสำหรับการทดสอบการรวมกันเชิงเส้นของสัมประสิทธิ์การถดถอย อย่างไรก็ตามผลลัพธ์จะต้องตีความอย่างระมัดระวังเนื่องจากผลกระทบโดยรวมไม่ใช่พารามิเตอร์โครงสร้าง แต่ขึ้นอยู่กับการออกแบบ พารามิเตอร์โครงสร้าง - สัมประสิทธิ์การถดถอย (ไม่ได้ใส่คำหรือใช้ศูนย์เหตุผล) และความแปรปรวนข้อผิดพลาด - คาดว่าจะยังคงไม่เปลี่ยนแปลงภายใต้การเปลี่ยนแปลงในการกระจายตัวของตัวทำนาย แต่ผลกระทบโดยรวมจะเปลี่ยนไป ผลกระทบโดยรวมนั้นมีความเฉพาะเจาะจงกับตัวอย่างเฉพาะและไม่ควรคาดว่าจะส่งต่อไปยังตัวอย่างอื่นที่มีการแจกแจงที่แตกต่างกันในตัวทำนาย หากผลกระทบโดยรวมมีความสำคัญในการศึกษาหนึ่งและไม่ได้อยู่ในอีกการศึกษาหนึ่งอาจไม่สะท้อนความแตกต่างในการกระจายตัวทำนาย