估计 ANCOVA 中的斜率和截距我今天感觉特别笨，希望有人能帮助我感觉更聪明。当运行具有单独斜率的 ANCOVA 时，我想获得每组斜率和截距的估计值以及显着性 t 检验。在 SAS 中，我可以运行 GLM 并指定模型，如下所示（使用 JMP“药物”数据表）：
模型 y = 药物 Drug*x / noint 溶液；
我在 JMP 中找不到任何与此相媲美的内容。在“拟合模型”对话框中指定上面的相同模型给我提供的东西与 SAS 提供的完全不同。我尝试过显示指标参数估计值、扩展估计值以及“拟合模型结果”窗口中“效果”菜单项下的几乎所有内容。我意识到 JMP 对模型的参数化与 SAS 不同，但我尚未找到模型规范和选项的正确组合来复制 SAS 结果。我还意识到，人们可以从参数估计表中找出斜率和截距，但测试是测试偏差是否与零显着不同，而不是组斜率和截距是否与零不同（除非我实际上是比我今天的感觉更愚蠢）。
回复：估计 ANCOVA 中的斜率和截距为了保持类似模型的比较，以下是带有截距的体重 = 性别的 SAS 输出：
因此，性别的平均权重 = F 等于 108.3181818 - 7.3737374 = 100.94444（预测）。
以下是同一模型的 JMP 输出：
所以性别的平均权重 = F 等于 104.63131 - 3.686869 = 100.94444，相同的预测值
让我们从模型中删除截距项，看看会发生什么。 以下是新模型的 SAS 输出：
sex = F 的平均权重又是 100.94444。
JMP 怎么样？
嗯，那是不同的。 不过这个估计并没有错！ JMP 对线性预测变量使用效应编码，此约束模型与 SAS GLM 中的约束模型不同。 该估计在最小二乘意义上是最好的，但它不太适合仅用性别作为预测变量。 您不应该删除拦截。 这就是这里的教训。
回复：估计 ANCOVA 中的斜率和截距我确实从 JMP 技术支持处收到了关于这些差异的回复：
“在模型权重 = 性别的简单情况下，PROC GLM 在设计矩阵中包含“性别”两个级别的一列，因此当删除截距时，仍然剩下 2 列用于两个参数（一列用于男性） ，一位为女性）。 另一方面，JMP 设计矩阵中只有一列，因此仅估计一个参数。 如果包含分类效应，它们将与无拦截模型不匹配。”
回复：估计 ANCOVA 中的斜率和截距使用 BigClass 数据，这是我从 PROC GLM 得到的结果，其中模型权重 = 性别性别 * 身高 / noint 解决方案；
范围 | 估计 | 标准 错误 | t值 | Pr > |t| |
| 性别 F | -189.7725451 | 65.19174041 | -2.91 | 0.0061 |
| 性别 男 | -109.0144590 | 51.63743795 | -2.11 | 0.0418 |
| 身高*性别F | 4.7745491 | 1.06889262 | 4.47 | <.0001 |
| 身高*性别 M | 3.4006530 | 0.80623574 | 4.22 | 0.0002 |
两个性别参数估计值的解释是它们是 F 和 M 的截距，身高*性别参数估计值是 F 和 M 的斜率。此表中的测试正在测试这些参数估计值是否与零显着不同。我最初的问题主要涉及如何在 JMP 中复制此表。Fit Model 生成的图形与 PROC GLM 生成的图形相同，但参数估计表有很大不同。
回复：估计 ANCOVA 中的斜率和截距这是您适合的 ANCOVA 模型（仍使用 Big Class 示例）：
这是具有截距项和居中连续预测器的相同数据的 ANCOVA 模型：
第一个模型的条件与第二个模型的条件有很大不同。 它们不仅仅是数学替代方案（截距和分类效应与分类截距）。
回复：估计 ANCOVA 中的斜率和截距SAS 或 JMP 模型规范中都没有截距参数，因此没有截距的估计。 （编辑：我意识到你将群体效应称为拦截。 这是一个公平的解释，但与我自己的不同。 如果没有居中，截距的解释也更加模糊。）
交互作用的效果检验用于确定任何组的斜率是否不同。 （编辑：我想我不清楚你想要什么。 除了差异之外，JMP 输出（提供的内容）与 SAS 相同。
我正在研究 SAS GLM 和 JMP 拟合最小二乘之间差异的本质，但我不知道什么时候可以得到解释。
回复：估计 ANCOVA 中的斜率和截距感谢您的快速回复。你的例子实际上说明了我的观点。SAS 的截距估计与 JMP 的截距估计不匹配，甚至不接近。JMP 的截距估计似乎与某些东西有偏差，但我不清楚这可能是什么。如果您运行具有“高度”主效应的模型，情况会变得更加不清楚。
回复：估计 ANCOVA 中的斜率和截距我刚刚使用了 JMP 示例 Big Class。 我使用“分析”>“拟合模型”来指定模型，然后单击红色小三角选择“提交到 SAS”。 这个程序是 JMP 为我创建的。
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;
这是 SAS 输出：
首先，您请求一个没有截距的线性模型。 只需选中“拟合模型”启动对话框底部中间的此选项即可。 单击红色三角形并取消选择中心多项式。 单击运行。 然后单击顶部的红色三角形并选择“估算”>“扩展估算”。
这是 JMP 输出：
估计值不同，因为 JMP 对项的参数化方式与 PROC GLM 不同。 这份报告是您要找的吗？
