stderr in least square vs generalized regression您好，我正在分析這個簡單的DOE：
A B Y.
33 180 3317
33 180 3653
17 230 6133
17 230 6436
25 205 5939
33 230 12431
17 180 1710
17 180 1806
25 205 5578
33 230 13680
標準最小二乘和GenReg。
我注意到雖然估計值完全相同，但GenReg會產生較小的stderr（斜體）。
標準最小二乘：
攔截-29469.6125 1390.0621826 -21.20 <.0001
一個265.5625 19.698753398 13.48 <.0001
B 140.97 6.3036010872 22.36 <.0001
（A-25）*（B-205）6.305 0.787950 1359 8.00 0.0002
GenReg（正常，前向選擇，最小AICc）
期限估計標準誤差Wald ChiSquare Prob> ChiSquare下限95％上限95％
攔截-29469.6125 1210.3742588 592.80177141 <.0001 -31841.90246 -27097.32254
一個265.5625 15.108244044 308.96231754 <.0001 235.9508858 295.1741142
B 140.97 4.834638094 850.20853436 <.0001 131.49428346 150.44571654
（A-25）*（B-205）6.305 0.6043297618 108.84844181 <.0001 5.1205354322 7.4894645678
任何人都可以解釋為什麼會這樣嗎？
非常感謝提前。
馬特奧
回复：stderr的最小二乘法與廣義回歸嗨，Matteo，我有同樣的問題。好奇為什麼平台之間的RMSE和AICc / BIC不同，但是參數估計相同！
回复：stderr的最小二乘法與廣義回歸我沒有看到兩個平台在AICc或BIC之間的差異，但是我肯定看到了標準錯誤的差異。
在GenReg平台中，如果將估計值切換為“標準最小二乘”，則會得到完全相同的標準誤差。當模型更改為逐步時，您將開始看到差異。
答案是由於使用了一種不同的方法來估計標準誤差。在JMP幫助下，Gen Reg正在這樣做：
標準最小二乘法可以更直接地計算標準誤差。
