フィットモデルでのパラメータ推定からの相互関係と勾配の解釈私はフィットモデルで二次関数を見ることに取り組んでいます。私の質問は、どのように私がパラメータの見積もりを解釈することに取りかかるのですか？特にこの方程式をグラフ化し、推定値で表されていない値、つまり他の研究や場所を解釈するために。下のスクリーンショットは、モデルとそのモデルの出力です。注意すべきで、画像には見られないのは、多項式の中心が合っていないということです。スタディの効果は2つのスタディを含み、ロケーションは2つのロケーションを含みます。そしてボックスコックステストの推奨に基づく変換として二乗した。
お手伝いありがとう。
再：フィットモデルにおけるパラメータ推定からの相互関係と傾きの解釈私は前のアドバイスが予測式を保存すると思う（赤い三角形をクリックして選択列を保存 > 予測式 ）あなたが欲しいものをあなたにくれるでしょう。数式エディタを開いて数式をコピーしてから他の場所（Excelなど）に貼り付けることができますが、細かい編集（コロンのプレフィックスの削除など）を使用すると、そのまま機能するはずです。
警告：一部のモデルは他のソフトウェアには存在しない特別なJMP機能を使用します。
再：フィットモデルにおけるパラメータ推定からの相互関係と傾きの解釈JMPについてもっと掘り下げて検討していますが、モデルから予測された値をデータシートに保存すると、目的の値が得られます。
再：フィットモデルにおけるパラメータ推定からの相互関係と傾きの解釈こんにちは @ Alec1293 、
予測式をデータテーブルに保存すると、それらのパラメーター推定値を取得して同じ予測を別の場所に再作成する方法を確認するのに役立ちます。
パラメータの意味を正確に説明するのは少し難しいです。 一般に、JMPは切片が総平均値になるようにモデル化し、他のすべてのモデル効果は効果的に総平均値に調整されます。 連続因子の主効果のパラメーター推定値は、通常予想されるように勾配項です。
カテゴリカル主効果パラメータは、それぞれのカテゴリカル因子レベルの総平均からの平均差です。 たとえば、レベルL1、L2、およびL3の3レベルのカテゴリカルファクターXがあるとします。そうすると、おそらくパラメーターの推定値X [L1]とX [L2]（L3は[-1 -1]とコーディングされている）になるでしょう。 切片= 100、X [L1] = -3、X [L2] = 5の場合、X [L1]の予測値（他のすべての因子レベルで平均）は97です。 X [L2]の予測値は105です。 Ｘ ［Ｌ ３］ ＝ １００ - （ - ３） - （＋５）＝ ９８に対する予測値。
高次効果は、低次効果への調整として解釈できます。 例えば、X 1 * X 2相互作用は、X 2の与えられた値に対するX 1の傾きに対する付着、またはX 1の与えられた値に対するX 2の傾きに対する調整として等価的に解釈され得る。
JMPが線形モデルをどのようにパラメータ化するかについての詳細な情報は、[ヘルプ]メニューの本にあります。
再：フィットモデルにおけるパラメータ推定からの相互関係と傾きの解釈
@markbailey 書きました：
を使用しましたか予測プロファイラー ？あなたは上の赤い三角形をクリックして選択することによってフィットウィンドウでそれにアクセスすることができます因子プロファイリング > プロファイラ 。モデルの解釈に役立つ多くの機能があります。詳細についてはヘルプを参照してください。
はい、私は予測プロファイラーを見たことがあり、それを以前に使用しました。それは非常に有益です。私は、パラメータの推定値からさまざまな切片/傾きを計算できることにもっと興味がありました。 たとえば、私はJMPインターフェースの外側でこのデータをグラフ化したいと思い、プロットするのに必要な点があるとしましょう。
再：フィットモデルにおけるパラメータ推定からの相互関係と傾きの解釈を使用しましたか予測プロファイラー ？あなたは上の赤い三角形をクリックして選択することによってフィットウィンドウでそれにアクセスすることができます因子プロファイリング > プロファイラ 。モデルの解釈に役立つ多くの機能があります。詳細についてはヘルプを参照してください。
