选择分析输出你好，
我正在使用jmp进行离散选择分析，并对输出感到困惑。对于参数估计，他们似乎正在比较参数内的不同属性级别； jmp在这里做什么？
同样，当我合并主题因素时，输出中仅显示3个主题因素中的2个，为什么其中之一被省略？
最后，logworth值代表什么？可以使用这些值来了解每个属性对受访者决策的相对重要性吗？
回复：选择分析输出当您要确定模型中的某个术语是否有意义时，“似然比测试”报告非常有用。当您想了解估计是否重要时，“参数估计”报告非常有用。
类别预测变量/因子以某种方式出现在线性模型中，使得所有级别的估计值必须总和为零（“效果参数化”）。因此，最后一级参数的估计值等于其他估计值之和的负值。您可以点击顶部的红色三角形，然后选择估算>扩展估算。（我认为）
Logworth是p值的负对数（以10为底）。（这是p值的p函数，就像pH值是水合氢活度的p函数一样。）由于p值的范围介于零和一之间，所以有时它们之间的差异很大。一些用户发现在这种情况下，logworth更容易评估估计的重要性。1 logworth的变化是一个数量级的变化。请注意，此类用户经常将logworth = 2（p值= 0.01）视为比较的合理参考，但您应始终确定对您有意义的显着性水平。
回复：选择分析输出你好，
我是 JMP 和统计学的新手，我正在使用 Choice Design 平台进行类似的研究，并且有一些与此主题相关的问题，因此我将它们发布在这里。
我在这个案例研究中看到（使用 JMP® 设计和分析离散选择实验的案例研究) 在选择设计平台中被估计的选择模型是一个多项式 logit 模型。从我读到的内容来看，对于 MNL，我们想知道每个属性级别的优势比而不是系数（或 JMP 中称为的参数估计）来比较它们的效果。JMP 为您做这件事吗？如果是这样，我在哪里可以找到它？
