估計 ANCOVA 中的斜率和截距我今天感覺特別笨，希望有人能幫助我感覺更聰明。當運行具有單獨斜率的 ANCOVA 時，我想獲得每組斜率和截距的估計值以及顯著性 t 檢驗。在 SAS 中，我可以運行 GLM 並指定模型，如下所示（使用 JMP“藥物”數據表）：
模型 y = 藥物 Drug*x / noint 溶液；
我在 JMP 中找不到任何與此相媲美的內容。在“擬合模型”對話框中指定上面的相同模型給我提供的東西與 SAS 提供的完全不同。我嘗試過顯示指標參數估計值、擴展估計值以及擬合模型結果窗口中“效果”菜單項下的幾乎所有內容。我意識到 JMP 對模型的參數化與 SAS 不同，但我尚未找到模型規範和選項的正確組合來複製 SAS 結果。我還意識到，人們可以從參數估計表中找出斜率和截距，但測試是測試偏差是否與零顯著不同，而不是組斜率和截距是否與零不同（除非我實際上是比我今天的感覺更愚蠢）。
回复：估計 ANCOVA 中的斜率和截距為了保持類似模型的比較，以下是帶有截距的體重 = 性別的 SAS 輸出：
因此，性別的平均權重 = F 等於 108.3181818 - 7.3737374 = 100.94444（預測）。
以下是同一模型的 JMP 輸出：
所以性別的平均權重 = F 等於 104.63131 - 3.686869 = 100.94444，相同的預測值
讓我們從模型中刪除截距項，看看會發生什麼。 以下是新模型的 SAS 輸出：
sex = F 的平均權重又是 100.94444。
JMP 怎麼樣？
嗯，那是不同的。 不過這個估計並沒有錯！ JMP 對線性預測變量使用效應編碼，此約束模型與 SAS GLM 中的約束模型不同。 該估計在最小二乘意義上是最好的，但它不太適合僅用性別作為預測變量。 您不應該刪除攔截。 這就是這裡的教訓。
回复：估計 ANCOVA 中的斜率和截距我確實從 JMP 技術支持處收到了關於這些差異的回复：
“在模型權重 = 性別的簡單情況下，PROC GLM 在設計矩陣中包含“性別”兩個級別的一列，因此當刪除截距時，仍然剩下 2 列用於兩個參數（一列用於男性） ，一位為女性）。 另一方面，JMP 設計矩陣中只有一列，因此僅估計一個參數。 如果包含分類效應，它們將與無攔截模型不匹配。”
回复：估計 ANCOVA 中的斜率和截距使用 BigClass 數據，這是我從 PROC GLM 得到的結果，其中模型權重 = 性別性別 * 身高 / noint 解決方案；
範圍 | 估計 | 標準 錯誤 | t值 | Pr > |t| |
| 性別 F | -189.7725451 | 65.19174041 | -2.91 | 0.0061 |
| 性別 男 | -109.0144590 | 51.63743795 | -2.11 | 0.0418 |
| 身高*性別F | 4.7745491 | 1.06889262 | 4.47 | <.0001 |
| 身高*性別 M | 3.4006530 | 0.80623574 | 4.22 | 0.0002 |
兩個性別參數估計值的解釋是它們是 F 和 M 的截距，身高*性別參數估計值是 F 和 M 的斜率。此表中的測試正在測試這些參數估計值是否與零顯著不同。我最初的問題主要涉及如何在 JMP 中復制此表。Fit Model 生成的圖形與 PROC GLM 生成的圖形相同，但參數估計表有很大不同。
回复：估計 ANCOVA 中的斜率和截距這是您適合的 ANCOVA 模型（仍使用 Big Class 示例）：
這是具有截距項和居中連續預測器的相同數據的 ANCOVA 模型：
第一個模型的條件與第二個模型的條件有很大不同。 它們不僅僅是數學替代方案（截距和分類效應與分類截距）。
回复：估計 ANCOVA 中的斜率和截距SAS 或 JMP 模型規範中都沒有截距參數，因此沒有截距的估計。 （編輯：我意識到你將群體效應稱為攔截。 這是一個公平的解釋，但與我自己的不同。 如果沒有居中，截距的解釋也更加模糊。）
交互作用的效果檢驗用於確定任何組的斜率是否不同。 （編輯：我想我不清楚你想要什麼。 除了差異之外，JMP 輸出（提供的內容）與 SAS 相同。
我正在研究 SAS GLM 和 JMP 擬合最小二乘之間差異的本質，但我不知道什麼時候可以得到解釋。
回复：估計 ANCOVA 中的斜率和截距感謝您的快速回复。你的例子實際上說明了我的觀點。SAS 的截距估計與 JMP 的截距估計不匹配，甚至不接近。JMP 的截距估計似乎與某些東西有偏差，但我不清楚這可能是什麼。如果您運行具有“高度”主效應的模型，情況會變得更加不清楚。
回复：估計 ANCOVA 中的斜率和截距我剛剛使用了 JMP 示例 Big Class。 我使用“分析”>“擬合模型”來指定模型，然後單擊紅色小三角選擇“提交到 SAS”。 這個程序是 JMP 為我創建的。
DATA Big_Class; INPUT sex &$ height weight; Lines;
F 59 95
F 61 123
F 55 74
F 66 145
F 52 64
M 60 84
M 61 128
M 51 79
F 60 112
F 61 107
F 56 67
M 65 98
M 63 105
M 58 95
M 59 79
F 61 81
F 62 91
F 65 142
F 63 84
F 62 85
M 63 93
M 64 99
M 65 119
M 64 92
M 68 112
M 64 99
M 69 113
F 62 92
F 64 112
M 67 128
M 65 111
M 66 105
M 62 104
M 66 106
F 65 112
F 60 115
M 68 128
F 62 116
M 68 134
M 70 172
;
RUN;
PROC GLM DATA=Big_Class ALPHA=0.05;
CLASS sex;
MODEL weight = sex height sex*height / noint solution;
RUN;
這是 SAS 輸出：
首先，您請求一個沒有截距的線性模型。 只需選中“擬合模型”啟動對話框底部中間的此選項即可。 單擊紅色三角形並取消選擇中心多項式。 單擊運行。 然後單擊頂部的紅色三角形並選擇“估算”>“擴展估算”。
這是 JMP 輸出：
估計值不同，因為 JMP 對項的參數化方式與 PROC GLM 不同。 這份報告是您要找的嗎？
