stderr in least square vs generalized regression您好，我正在分析这个简单的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
标准最小二乘和GenReg。
我注意到虽然估计值完全相同，但GenReg会产生较小的stderr（斜体）。
标准最小二乘：
拦截-29469.6125 1390.0621826 -21.20 <.0001
一个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，前向选择，最小AICc）
期限估计标准误差Wald ChiSquare Prob> ChiSquare下限95％上限95％
拦截-29469.6125 1210.3742588 592.80177141 <.0001 -31841.90246 -27097.32254
一个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
任何人都可以解释为什么会这样吗？
非常感谢提前。
马特奥
回复：最小二乘标准误差与广义回归嗨，Matteo，我有同样的问题。好奇为什么平台之间的RMSE和AICc / BIC不同，但是参数估计相同！
回复：最小二乘标准误差与广义回归我没有看到两个平台在AICc或BIC之间的差异，但是我肯定看到了标准错误的差异。
在GenReg平台中，如果将估计值切换为“标准最小二乘”，则会得到完全相同的标准误差。当模型更改为逐步时，您将开始看到差异。
答案是由于使用了一种不同的方法来估计标准误差。在JMP帮助下，Gen Reg正在这样做：
标准最小二乘法可以更直接地计算标准误差。
