F-Verhältnisse der Regressionsschätzungen anzeigen?Gibt es eine Option zum Anzeigen des F-Verhältnisses (Quadrat der t-Verhältnisse) in der Regressionsanzeige der * individuellen * Schätzungen in Fit Least Squares? Ich weiß, dass JMP das Gesamtmodell F-stat anzeigt, aber ich suche die F-Verhältnisse für jede unabhängige Variable allein.
Betreff: F-Verhältnisse der Regressionsschätzungen anzeigen?In den von der Bivariaten Plattform ausgegebenen Parameterschätzungen kann keine Spalte angezeigt werden, in der das F-Verhältnis angezeigt wird. Wenn Sie eine andere Plattform verwenden, können Sie mit der rechten Maustaste auf das betreffende Tabellenfeld klicken, Spalten auswählen und prüfen, ob eine Spalte mit dem F-Verhältnis angezeigt werden kann.
Unabhängig davon können Sie dem Tabellenfeld eine eigene Spalte für das F-Verhältnis hinzufügen. Unten finden Sie ein einfaches Beispiel dafür 
Hier ist das einfache Skript, das das F-Verhältnis hinzugefügt hat
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/big class.jmp" );
biv = dt << Bivariate(
Y( :height ),
X( :weight ),
Fit Line( {Line Color( "Medium Dark Red" )} )
);
// Get the t ratios
theTs = Report( biv )["Parameter Estimates"][Number Col Box( 3 )] << get;
// Convert them to F Ratio values
theTs[1] = theTs[1] ^ 2;
theTs[2] = theTs[2] ^ 2;
// Append them to the output Table Box
theTs = Report( biv )["Parameter Estimates"][Table Box( 1 )] <<
append( Number Col Box( "F Ratio", theTs ) );Betreff: F-Verhältnisse der Regressionsschätzungen anzeigen?Ich bin vielleicht ein bisschen verwirrt, aber Die F-Verhältnisse werden in der Varianzanalyse (die die gesamte Modellstatistik bereitstellt) und in den Effekttests der Fit Model-Plattform angezeigt. Es hört sich so an, als ob Sie die Effekttests möchten, die die Modell-DFs in jeden DF zerlegen.
Betreff: F-Verhältnisse der Regressionsschätzungen anzeigen?Hallo @MAS ,
Wenn Sie die Fit-Modellplattform mit einer kontinuierlichen abhängigen Variablen verwenden, können Sie die Tabelle mit den Effekttests verwenden. Dies ergibt einen F-Test für jeden Effekt. Für kontinuierliche Variablen ist dies identisch mit dem t-Test. das gleiche gilt für nominale oder ordinale Variablen mit nur zwei Kategorien. Bei mehr als zwei Kategorievariablen unterscheidet sich dieser F-Test etwas von den einzelnen Parameterschätzungen.
