パラメータ推定と指標関数パラメータ化の結果が異なる親愛なる、
9 つの項 (主効果と相互作用) で構成される回帰モデルを実行しました。このモデルで使用されている 4 つの変数は、すべて 2 つのレベルを持つカテゴリ変数です。私は SAS ユーザーなので、JMP のパラメーター化よりもインジケーター関数のパラメーター化を好みます。ただし、パラメーター推定値テーブルとインジケーター関数のパラメーター化の p 値に若干の矛盾があることに気付きました。モデル内の 1 つの相互作用について、パラメーター推定値テーブルは 0.0046 の p 値を提供し、インジケーター関数のパラメーター化は 0.5173 の p 値を提供します。これは、パラメーター化を変更したときに有意から非有意に変わる唯一の項です。これが役立つ情報かどうかはわかりませんが、パラメーター推定値テーブルの標準誤差はすべてのモデル項で同じです。この背後にある理由を説明していただけますか?
前もって感謝します。
消費者および市場調査マスカスタマイゼーションRe：パラメーター推定値とインジケーター関数のパラメーター化の間で異なる結果パラメータ推定値テーブルには、パラメータがゼロに等しいという帰無仮説のp値が含まれています。 ザ・パラメータ化カテゴリカル予測子の推定値とパラメーターの意味を決定します。
Re：パラメーター推定値とインジケーター関数のパラメーター化の間で異なる結果ありがとう@markbaileyあなたの応答のために。
異なるパラメーター化を使用すると、最終的に異なるp値になることを認識しています。 ただし、パラメーター化に基づいて、特定の項のp値が有意から非有意になるとは予想していませんでした。 それはかなり大きな違いです。 JMPが使用するパラメーター化の背後に、GLMパラメーター化が同じ用語に対して有意でない値になる一方で、有意な項になるものはありますか？
