模型中的“系数估计”与功效分析中的“效应大小”之间有什么关系？你好，
使用“拟合模型”平台时，我会得到一个包含模型参数估计值的表格。
参数估计
长期估计
拦截 -2.064624
x1 7.0881103
x2 11.977504
(x1-0.98875)*(x2-1.04406) 2
所以模型系数是 7.088... 对于 x1，11.977... 对于 x2 和 2 对于交互项。
在功效分析中，效应大小增量为
x1 -> 6.37483262916979
x2 -> 11.7464525716128
x1*x2 -> 1.82566916425025
所以效果大小增量相对接近参数估计但不一样。 有什么不同？
（我对 x1 和 x2 使用了平均值为 1 的随机分布。）该文件已附上。
还有一点：是否可以从“拟合参数生存”平台进行功效分析？
回复：模型中的“系数估计”与功效分析中的“效果大小”之间有什么关系？我明白你现在做得更好。 您正在使用菜单中的功效分析命令和杠杆图。 正确的？
功率分析中的 delta 值不是估计的参数值。 JMP 文档解释了这个值：
回复：模型中的“系数估计”与功效分析中的“效果大小”之间有什么关系？谢谢马克，
不过，我还是不太明白。
在随附的示例中，我做了同样的事情，但 x1 和 x2 的值只有 +/-1。 （所以它们与您提到的“效果编码”版本相同，对吧？）。
现在我得到了参数效果
长期估计标准误差
拦截 -5.33e-15 7.224e-8
x1 重新编码 4.36 5.529e-8（实际值为 5。）
x2 重新编码 10 7.224e-8
x1 重新编码*(x2 重新编码+0.64) 1 7.224e-8
效果大小增量为
x1 重新编码-> 4.35404318234411
x2 重新编码-> 7.64426468724727
x1 重新编码 * x2 重新编码 -> 0.764426468724727
根据您的评论，我预计效果大小与参数估计值相同，但它们不是（在某些情况下甚至不是很接近）。 所以有些事情我做错了。
至于功率分析本身，手动的确实区分了“前瞻性”和“回顾性”权力分析。有一个注释：
LSV0.05、LSN 和 AdjPower0.05 提供的结果不应用于前瞻性功效分析。 它们并不反映未来研究中固有的不确定性。
据我了解，它们不应该混淆，因为不能保证分散在不同的研究中是相同的。 这是正确的还是我错过了重点？
回复：模型中的“系数估计”与功效分析中的“效果大小”之间有什么关系？功效分析假设“效果编码”，因此回归和功效分析的范围是 -1 到 +1。 所以预期系数是效应大小的一半（即，当因子从低到高时响应变化）。 将设计保存到数据表时，JMP 会自动添加编码列属性。 这样，“拟合最小二乘”平台将使用编码水平而不是回归中的实际水平。 编码系数估计应与功效分析相匹配，但不应执行“回顾性功效分析”这一事实除外。
