再：SASとモデルの等価性こんにちはしゅう
私の最善の推測は、jmpが順序変数と名義的な独立変数のカテゴリ間でコントラストを構築する方法が原因であるということです。
次の2つのリンクをご覧ください。
https://www.jmp.com/support/help/14-2/coding-for-nominal-effects.shtml
https://www.jmp.com/support/help/14-2/models-with-nominal-and-ordinal-effects.shtml
最初に、モデルを連続した独立変数と比較します。次に、バイナリ独立変数を追加するときに、JMPで順序変数として定義します。これにより、SAS（0および1の場合）と同等のパラメーター推定値が生成されます。
多くのカテゴリで名目上の効果がある場合は、JMPでn-1個のダミー変数を生成し（SASの古い方法で行われます）、各変数を順序として定義できます。
あなたは2の係数を述べたので、これはほとんどの場合です。
予測式をテーブルに保存するか、予測式を要求できます。これは、JMPが方程式を推定する方法を明確にするのに役立つ場合があります。
https://www.jmp.com/support/help/14-2/show-prediction-expression.shtml
こちらもご覧ください：
https://community.jmp.com/t5/Discussions/Logit-why-aren-t-my-exponentiated-coefficients-equaling-my-odds/td-p/15661
全体として、予測と結論はSASとJMP（または標準手順用の他のソフトウェア）で同一である必要があります。
再：SASとモデルの等価性[ヘルプ]> [書籍]> [線形モデルの近似]> [統計の詳細]を参照してください。JMPとSASが線形モデルをパラメーター化する方法の違いについて説明します。推定値が同じになるとは思わないでしょう。異なるパラメーターを推定します。
SASとのモデル等価性こんにちは、
私は混合効果モデルを持っていますが、これはSASと同等であることを示しています... その方法をよりよく理解したいと思っていました...
JMP：
Fit Model(
Y( :log_val ),
Effects( :Group, :Analyst ),
Random Effects( :Sample[:Group] ),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Method( "REML" ),
NoBounds( 0 )
)
SAS：
proc mixed data=WEBWORK.MYDATA method=reml plots=(residualPanel) alpha=0.05;
class Group Analyst Sample;
model log_val=Group Analyst / solution;
random Sample(Group) /;
run;
固定パラメーターのパラメーター推定値は、場合によっては2倍オフになります
再：SASとモデルの等価性ハイマーク、
返信いただきありがとうございます。あなたが何を意味するのか理解するのを手伝ってください推定値が同じになるとは思わないでしょう。それらは異なるパラメーターを推定する。
私はこれを見つけました： https://www.jmp.com/support/help/14-2/nominal-factors.shtml#65535 ヘルプメニューのパンくずリストからの提案ですが、2つのプラットフォーム間の同等性を得るためにそれを使用する方法がわかりません。
御時間ありがとうございます
再：SASとモデルの等価性こんにちはしゅう 、
お返事をありがとうございます。私はあなたが声明で何を意味するのだろうと思っています： " JMPでn-1個のダミー変数を生成し（SASの従来の方法で行われます）、それらの各変数を序数として定義できます。"... 具体的には、これをどのように行うのですか？
モデル仕様をSASコードとしてJMPから直接エクスポートすると、同じ結果が得られません。添付資料参照
再：SASとモデルの等価性こんにちはしゅう
カテゴリー列からダミー変数を作成する場合は、次を試してください。
https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Make-Indicator-Dummy-Variables/ta-p/22636
送信した出力に関しては、おそらく他の誰かが応答するでしょう。
ロン
再：SASとモデルの等価性しゅう ... 質問する代わりに、最初にGTSを取得する必要があります... あなたが答えたのとほぼ同じ時間に同じページを見つけました... ごめんなさい 便利な小さなアドイン
再：SASとモデルの等価性JMPでモデルを適合させたら、赤い三角形に移動し、[推定]> [インジケーターパラメーター化推定]を選択します。SASに一致するレポートが表示されます。
JMP出力：
SAS出力：
再：SASとモデルの等価性こんにちはしゅう 、ダミーのアプローチにより、すべてのレベルと要因にわたってSASと比較して同等の見積もりが得られました。あなたの助けに感謝。
1つの質問：出力は、結果が「偏っている」ことを示しています。JMPとSASの違いをもたらした文字、名目アプローチと比較して、ダミー変数アプローチ（数値、序数）と比較して、JMP出力のコンテキストでは「バイアス」とはどういう意味ですか？（注：モデル仕様ウィンドウ内から生成されたSASコードは、JMPとSASで異なる結果を提供します）
興味深いことに、Rは切片を除いて同じ結果を示します。（グループは要因です） 
再：SASとモデルの等価性どういたしましてしゅう 、
バイアスの問題に関しては、少なくとも1つのカテゴリに1つの観測値があるか、2つのカテゴリが実際に同じ観測値であると仮定します。
この議論が役立つかどうかを確認してください：
https://community.jmp.com/t5/Discussions/I-am-receive-Lost-DFs-Biased-and-Zeroed-parameter-estimate/td-p/13769
再：SASとモデルの等価性モデルは予測において同等です。同じ予測値が与えられた場合、両方のモデルが同じ応答を予測します。モデルのパラメーター化は異なります。同じパラメーター値は期待していません。
連続予測変数の1つの項を持つ単純な線形モデルを近似し、予測変数の中心を合わせてスケーリングし、変換された予測変数でモデルを再適合させると、パラメーターは必然的に異なりますが、2つのモデルは同じ応答を予測します。パラメーターは異なります。パラメータの解釈は異なります。
SASの「昔ながらの」パラメーターへの以前の参照が好きではありません。彼らは単に異なっています。これらは、因子レベルの変更の効果の異なる解釈とテストを表します。本質的に優れているパラメーター化はありません。最適なパラメーター化は、効果についての考え方によって異なります。選択は状況によって異なります。
この問題は、さまざまなタイプの平方和に関する問題と同じです。ほとんどの場合、タイプIIIを好みます。それは、タイプIが「昔ながらの」または間違っている、または役に立たないという意味ではありません。薬の有効期限を決定する際の複数のバッチのプール可能性のテストなど、正確な情報を正確に提供する場合があります。それはただ依存します。
再：SASとモデルの等価性パラメータ化の問題は、回帰モデルに関するほとんどの教科書で説明されています。また、最小二乗解と、バイアスまたはゼロ化されたパラメーターの外観についても説明します。JMPヘルプもこの状況をカバーしています。それは言う、「 注意： 可能であれば、モデル用語間に線形依存関係がある場合でも、推定値を取得してテストします。このような推定には、バイアスまたはゼロのラベルが付いています。 」
また、そのような結果につながる条件を定義します。
」 いつバツ バツが特異である場合、一般化された逆関数を使用して推定値を取得します。このアプローチにより、線形依存関係に含まれるパラメーターのすべてではなく一部を推定できます。パラメーターは、関連する用語のモデルへの入力順序に基づいて推定されるため、最後に入力された用語は、パラメーターが推定されない用語になります。推定値はパラメーター推定値レポートで提供され、推定できないパラメーターには推定値0が提供されます。
ただし、線形依存関係に関係する項のパラメーターの推定値は一意ではありません。関連する用語はエイリアス化されているため、最小二乗基準を満たす推定値のベクトルが無限にあります。これらの場合、パラメータ推定値レポートのこれらの推定値の左側に「バイアス」が表示されます。パラメーターを推定できない線形依存関係に関係する用語のパラメーター推定レポートの0の推定値の左側に「ゼロ」が表示されます。 」
したがって、パラメータ化の選択は、データが与えられたモデルを「過剰指定」するか、Ronが表現するように、すべての効果を推定するのに十分なレベルがありません。
