随附的JMP表显示了模拟方案。“ p true”列具有一个用于模拟二进制结果Y的模型，该模型在连续建模类型的“ Y cont”列和分类建模类型的“ Y cat”列中显示。在以后使用不同的平台分析它们时，必须在不同的建模类型中具有相同的结果。用于模拟Y的模型是logit形式的简单截距加斜率模型：logit（p）= 15 + 60 * X。
“ p true”公式是X的函数。该表具有42个任意数目的行，这些行平均分布在X的-1、0和1级别，即在3个级别中的每14个行。
此表上保存的脚本引用了3种对Y建模的方法-即Gen回归，非线性回归和名义Logistic回归。创建列“ p公式”是为了满足进行非线性建模时对列公式的需求。
我的期望是在以非常大的置信区间（如果有）的形式在用于模拟Y的3个不同平台的报告中看到危险信号。这是因为X设计无法提供“ p true”模型中使用的参数的唯一证据，即，intercept = 15，slope = 60。
根据运行已保存的脚本的结果，我发现对于非线性和拟合标称Logistic平台，用于Y估计的预期红色标记是显而易见的。非线性平台无法生成基于轮廓似然的CI，而Fit Nominal Logistic除警告标志（不稳定）外还具有非常大的CI。问题出在Gen Regression平台上。完整模型的报告确实显示了夸张的配置项。但是，如果使用模型选择，则CI的结果将非常狭窄，几乎暗示着对点估计的确定性，而该点估计在很大程度上偏离了预期。
问题：我们应该如何解释完整模型CI和选定模型CI之间的歧义？如果所选模型形式与完整模型不同，该怎么办？我们如何看待这个问题？Gen回归可以为完全分离提供危险信号吗？我在所有这方面都使用了JMP15.1 Pro。
