參數估計和指標函數參數化之間的結果不同親，
我執行了一個包含9個項（主要影響和相互作用）的回歸模型。 該模型中使用的4個變量是類別變量，它們都有2個級別。 因為我是SAS用戶，所以我更喜歡指標函數參數化而不是JMP參數化。 但是，我注意到參數估計表的p值與指標函數參數化之間存在一些差異。 對於模型中的1個交互，參數估計表提供的p值為0.0046，而指標函數參數化提供的p值為0.5173。 這是更改參數化時從有效變為無效的唯一術語。 不確定這是否有幫助，但是esitmates參數表中的標準錯誤對於所有模型項而言都是相同的。 有人可以解釋一下這是什麼原因嗎？
提前致謝。
分析工具關於參數估計和指標函數參數化的結果不同參數估計表包括參數為零的零假設的p值。 的參數化確定分類預測變量的估計值和參數的含義。
關於參數估計和指標函數參數化的結果不同謝謝@markbailey您的回應。
我知道使用不同的參數化將導致不同的p值。 但是，我沒想到基於參數化，給定項的p值會從有效變為無效。 那是很大的不同。 在JMP使用的參數化背後，是否有一些有意義的術語，而對於相同的術語，GLM參數化最終卻產生了不重要的值？
回复：參數估計和指標函數參數化之間的結果不同該文檔說明了每個參數化的編碼以及解釋每個方案下的參數。 這些術語代表不同的效果在每個參數設置下，因此，當然，沒有理由在兩個參數設置下一個術語都必須是有效的。
