歸因變量的參數估計的解釋我有一個只有幾個主動效果的模型。 即表中的三個主要作用。 epsilon_r ^ n和Rt ^ n是連續變量，但是E ^ n是類別變量，可以具有值-1和+1。
從預測分析器可以明顯看出，在所有三種情況下，自變量的較高值都會導致較低的預測N25（從物理角度來看也是可以預期的）。
那麼為什麼epsilon_r ^ n和Rt ^ n的估計係數為負，而E ^ n的係數為正？ 我應該如何解釋參數表中的表達式“ [-1 -1]”？
將模型保存到數據表可訪問以下模型公式：
因此，E ^ n的較高值（即1）導致公式中的較低值（即0）。 我不確定如何從參數估算表中獲取此信息。 有人可以向我解釋一下嗎？
分析工具回复：解釋變量的參數估計你好@matthias_bruchh ，
首先，您有JMP Pro嗎？ 如果是這樣，我強烈建議對參數估算值進行引導計算，以更好地了解哪些參數實際為0（或接近0），哪些參數實際上非0以及它們的典型值（數千個引導程序的平均值） 。
話雖這麼說，因為您已經設定了E ^ na標稱值，所以當JMP報告參數估計值時，它將報告可能的值，在這種情況下為[-1 -1]，表示-1至1。 為了更好地了解E ^ n預測變量如何適合您的模型，您可能需要將其更改為序數。
E ^ n獲得正係數（或0）的原因與您為預測返回的函數有關。 您的公式基本上如下：
y = exp（a + b * x_1 + c * x_2 + d * x_3 + f）
為了獲得更大的y響應，指數的參數應盡可能大，因此，如果x_1和x_2的係數為負，而“ a”和“ f”的係數為正，則唯一的方法是獲得更大的y響應。參數是使x_3的係數（即E ^ n）為正。
您提到N25的行為在觀察其對預測變量的反應時具有物理意義。 如果您正在研究物理（或化學）過程，那麼您是否有一個理論方程式開始？ 如果是這樣，則應將其用作您的預測公式，而不必讓跳變為您生成一個經驗公式。 例如，如果您要測量一個球落下x米所需的時間，則可以使用一個物理公式來預測這一情況，即：y = y_0 + v_0 * t + 1/2 * g * t ^ 2，引力場中的運動公式。 在JMP中分析此類數據時，我會將公式固定為理論模型，並查看是否與理論存在偏差。
但是再次，我認為如果將E ^ n更改為序數，對您來說可能更有意義。 另外，如果確實需要讓JMP生成經驗公式，那麼您將需要引導或模擬估算值以查看哪些實際為0或接近於零，以確保模型中不會丟失任何內容。
希望這可以幫助。
祝好運！，
DS
回复：解釋變量的參數估計尊敬的DS，
將E ^ n從標稱值更改為有序值確實可以解決問題。 該參數的絕對值與之前相同，但是符號變為負號，這更加直觀。 非常感謝！
我確實有JMP PRO（但最近才知道）。
我沒有在這種情況下可以使用的經驗公式，但會對知道如何完成這一過程感興趣。 如果您能將我引向教程，那麼將不勝感激。 您提到的引導程序也是如此。
問候，
馬蒂亞斯
回复：解釋變量的參數估計你好@matthias_bruchh ，
很高興對序數的更改奏效並幫了大忙。
就理論模型而言，如果您具有功能，則可以使用列屬性中的“公式”功能根據預測變量對列進行“編程”。 但是，聽起來您沒有理論模型。
要引導估算，請右鍵單擊JMP報告中的列估算，然後選擇引導。 如果速度很快，則輸入5000，但如果速度緩慢，則將其保持為2500。 確保選中“分數重量”框。 它將重新運行擬合多次，然後為預測變量的每個係數分配一個值（只需在輸出數據表中運行“ distribution”腳本）即可。 然後，隨著顯示的分佈和統計信息，您可以右鍵單擊摘要統計信息，然後選擇“製作為合併數據表”。 確保還自定義匯總統計信息以顯示非零比例。
合併的數據表將包含估計值的平均值和非零比例。 在那裡您可以看到平均值（典型值）以及該估算值非零的頻率（百分比）-如果該數字很小，則估算值通常為零。 如果很大，那麼大多數時候它都不為零。 這是確定模型中需要或不需要的術語的好方法。
您也可以選擇“模擬”，但這需要數據表中的另一個公式列與您在模型中使用的公式列進行交換。 這涉及更多-請參閱自動驗證來自Gotwalt和Ramsey。 有一個PPT和觀看的視頻對此進行了說明。 它稍有不同，並且引導方法的結果也會稍有不同，但是基本上是相同的。 我一直使用這些方法來消除模型中的因素。
自動驗證方法的一個非常不錯的區別是，它會生成一個完全隨機且與您的數據正交的空因子。 只要在模擬中出現的頻率比您在其他因素中出現的頻率高，就可以消除出現頻率較低的那些因素。 在此要小心，以確保為因素及其組合強加了層次結構和遺傳規則。 實際上，如果您沒有理論模型並且沒有理由包括混合術語，那麼我將它們完全排除在外，就像我所知道的數據科學家所說的那樣，這只是“巫毒”。
順便說一句，您分析的數據是來自能源部還是僅來自常規實驗室研究？
祝好運！，
DS
回复：解釋變量的參數估計感謝DS，
我看看這個。 是的，數據來自DOI。 （實際上來自3個DOI。 該項目分為三個連續階段。 我為此製作了三個獨立的DOI，因為在那裡存在許多約束，並且（當時）無法使用JMP的“增強設計”功能來實現它們。）
