模型中的“係數估計”與功效分析中的“效應大小”之間有什麼關係？你好，
使用“擬合模型”平台時，我會得到一個包含模型參數估計值的表。
參數估計
期限預估
攔截-2.064624
x1 7.0881103
x2 11.977504
(x1-0.98875)*(x2-1.04406) 2
因此，x1 的模型係數為 7.088...，x2 的模型係數為 11.977...，交互項的模型係數為 2。
在功效分析中，效應大小增量為
x1 -> 6.37483262916979
x2 -> 11.7464525716128
x1*x2 -> 1.82566916425025
因此，效應大小增量與參數估計值相對接近，但並不相同。 有什麼不同？
（我使用了 x1 和 x2 平均值為 1 的隨機分佈。）該文件已附後。
還有一點：是否可以從“擬合參數生存”平台進行功效分析？
回复：模型中的“係數估計”與功效分析中的“效應大小”之間有什麼關係？我明白你現在做得更好了。 您正在使用菜單中的“功效分析”命令來實現效果，並帶有槓桿圖。 正確的？
功率分析中的delta值不是估計的參數值。 JMP 文檔對此值進行了解釋：
回复：模型中的“係數估計”與功效分析中的“效應大小”之間有什麼關係？謝謝馬克，
不過，我還是不太明白。
在附加的示例中，我做了同樣的事情，但 x1 和 x2 的值只有 +/-1。 （所以它們與您提到的“效果編碼”版本相同，對吧？）。
現在我得到了參數效果
術語估計標準誤差
攔截-5.33e-15 7.224e-8
x1重新編碼4.36 5.529e-8（實際值為5。）
x2 重新編碼 10 7.224e-8
x1 重新編碼*(x2 重新編碼+0.64) 1 7.224e-8
效應大小 delta 給出為
x1 重新編碼 -> 4.35404318234411
x2 重新編碼 -> 7.64426468724727
x1 重新編碼 * x2 重新編碼 -> 0.764426468724727
根據您的評論，我預計效果大小與參數估計值相同，但事實並非如此（在某些情況下甚至不是非常接近）。 所以我做錯了一些事情。
對於這樣的功率分析，手動的確實區分了“前瞻性”和“回顧性”功效分析。有一條註釋：
LSV0.05、LSN 和 AdjPower0.05 提供的結果不應用於前瞻性功效分析。 它們沒有反映未來研究固有的不確定性。
據我了解，它們不應該混淆，因為不能保證不同研究中的分散度是相同的。 這是正確的還是我錯過了重點？
回复：模型中的“係數估計”與功效分析中的“效應大小”之間有什麼關係？功效分析假設“效果編碼”，因此回歸和功效分析的範圍為 -1 到 +1。 因此，預期係數是效應大小的一半（即，當因子從低到高時響應發生變化）。 當設計保存到數據表時，JMP 會自動添加編碼列屬性。 這樣，“擬合最小二乘”平台將在回歸中使用編碼級別而不是實際級別。 編碼係數估計值應與功效分析相匹配，但不應該執行“回顧性功效分析”這一事實除外。
