選擇分析輸出你好，
我正在使用 jmp 進行離散選擇分析，並且對輸出感到困惑。 對於參數估計，它們似乎是在比較參數內的不同屬性級別； jmp 在這裡做什麼？
同樣，當我合併主題因素時，輸出中僅顯示了 3 個主題因素中的 2 個，為什麼省略其中一個？
最後，logworth 值代表什麼？ 這些值可以用來評估每個屬性對受訪者決策的相對重要性嗎？
回复：選擇分析輸出你好，
我是 JMP 和統計的新手，我正在使用 Choice Design 平台進行類似的研究，並且有一些與此線程有關的問題，所以我將它們發佈在這裡。
我在這個案例研究中看到（使用 JMP® 設計和分析離散選擇實驗的案例研究) 在選擇設計平台中估計的選擇模型是多項式 logit 模型。 根據我的閱讀，對於 MNL，我們想知道優勢比而不是每個屬性級別的係數（或 JMP 中調用的參數估計）來比較它們的效果。 JMP 會為您做這件事嗎？ 如果是這樣，我在哪裡可以找到它？
回复：選擇分析輸出當您要確定模型中的項是否顯著時，似然比檢驗報告很有用。 當您想知道估計值是否顯著時，“參數估計值”報表很有用。
分類預測變量/因子以某種方式出現在線性模型中，使得所有級別的估計值總和必須為零（“效果參數化”）。 因此，最後一級的參數估計值等於其他估計值之和的負值。 您可以單擊頂部的紅色三角形，然後選擇 Estimates > Expanded Estimates。 （我認為）
Logworth 是 p 值的負對數（以 10 為底）。 （它是 p 值的 p 函數，就像 pH 是 Hydronium 活動的 p 函數一樣。）因為 p 值介於零和 1 之間，有時它們相差許多數量級。 一些用戶發現 logworth 在這種情況下更容易衡量估計的重要性。 1 logworth 的變化是一個數量級的變化。 請注意，此類用戶通常認為 logworth = 2 (p-value = 0.01) 是比較的合理參考，但您應始終確定對您有意義的顯著性水平。
