解释拟合模型中参数估计的截距和斜率我正在研究拟合模型中的二次函数。 我的问题是如何解释参数估计值？ 特别是用于绘制该方程并解释估计值（即其他研究或地点）未表示的值。 下面的屏幕截图显示了模型和模型的输出。 需要注意的是，在图像中没有看到多项式未居中，研究包含 2 个研究，位置包含 2 个位置，日效应是连续的，标准化协变量是试验开始前的基线，响应数据已标准化为对照平方作为基于 Box Cox 测试建议的变换。
感谢您的帮助。
回复：解释拟合模型中参数估计的截距和斜率我认为之前的建议是保存预测公式（单击红色三角形并选择保存列>预测公式）会给你你想要的。 您可以打开公式编辑器并复制公式，然后将其粘贴到其他位置（例如 Excel），并进行少量编辑（例如删除冒号前缀），它应该按原样工作。
注意：某些模型使用其他软件中不存在的特殊 JMP 功能。
回复：解释拟合模型中参数估计的截距和斜率我一直在深入研究 JMP，并且将模型中的预测值保存到数据表中是否可以为我提供所需的值？
回复：解释拟合模型中参数估计的截距和斜率你好@亚历克1293 ,
将预测公式保存到数据表有助于了解如何进行这些参数估计并在其他地方重新创建相同的预测。
准确描述参数的含义有点困难。一般而言，JMP 对模型进行参数化，以便截距为总均值，所有其他模型效应都是对总均值的有效调整。正如您通常期望的那样，连续因子主效应的参数估计是斜率项。
分类主效应参数是各个分类因子水平与总平均值的平均差。例如，如果您有一个 3 级分类因子 X，级别为 L1、L2 和 L3；那么您可能会看到参数估计值 X[L1] 和 X[L2]（L3 编码为 [-1 -1]）。如果截距 = 100、X[L1] = -3 且 X[L2] = 5，则 X[L1] 的预测值（所有其他因子水平的平均值）为 97。X[L2] 的预测值为 105。X[L3] 的预测值 = 100 - (-3) - (+5) = 98。
高阶效应可以解释为对低阶效应的调整。例如，X1*X2 交互作用可以解释为对于给定 X2 值对 X1 斜率的调整，或者等效地，对于给定 X1 值对 X2 斜率的调整。
您可以在帮助菜单中的书籍中找到有关 JMP 如何参数化线性模型的更多详细信息。
回复：解释拟合模型中参数估计的截距和斜率
@马克贝利写道：
您是否使用过预测刻画器？ 您可以通过单击顶部的红色三角形并选择在拟合窗口中访问它因素分析>分析器。 它有许多功能可以帮助解释模型。 请参阅帮助以获取更多信息。
是的，我之前见过并使用过预测分析器，它的信息非常丰富。 我更感兴趣的是能够根据参数估计计算不同的截距/斜率。举例来说，我想在 JMP 界面之外绘制这些数据的图表，并且需要绘制点。
回复：解释拟合模型中参数估计的截距和斜率您是否使用过预测刻画器？ 您可以通过单击顶部的红色三角形并选择在拟合窗口中访问它因素分析>分析器。 它有许多功能可以帮助解释模型。 请参阅帮助以获取更多信息。
