參數估計和指標函數參數化之間的不同結果親愛的，
我執行了一個由 9 個項（主效果和交互作用）組成的迴歸模型。此模型中使用的 4 個變數都是分類變量，都有 2 個水準。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 個交互作用，參數估計表提供的 p 值為 0.0046，指標函數參數化提供的 p 值為 0.5173。這是更改參數化時唯一從重要變為不重要的項。不確定這是否是有用的信息，但參數估計表中的標準誤差對於所有模型項都是相同的。有人可以解釋一下背後的原因是什麼嗎？
提前致謝。
消費者與市場研究大規模客製化回复：參數估計和指示函數參數化之間的不同結果該文檔解釋了每個參數化的編碼和解釋每個方案下的參數。 這些條款代表不同的效果在每個參數化下，因此，當然，沒有理由認為一個術語在兩個參數化下都必須是重要的。
回复：參數估計和指示函數參數化之間的不同結果謝謝@馬克貝利為您的回應。
我知道使用不同的參數化最終會得到不同的 p 值。 但是，我沒想到基於參數化，給定項的 p 值會從顯著變為不顯著。 這是一個很大的不同。 JMP 使用的參數化背後是否有什麼東西導致了一個重要的術語，而 GLM 參數化最終以相同術語的非重要值結束？
回复：參數估計和指示函數參數化之間的不同結果參數估計表包括參數等於零的原假設的 p 值。 這參數化確定分類預測變量的估計值和參數的含義。 它們不應該相同。
