Diferentes resultados entre estimaciones de parámetros y parametrización de la función del indicadorQuerido,
Realicé un modelo de regresión que consta de 9 términos (efectos principales e interacciones). Las 4 variables utilizadas en este modelo son variables categóricas y todas tienen 2 niveles. Como soy un usuario de SAS, prefiero la parametrización de la función Indicador sobre la parametrización de JMP. Sin embargo, noté alguna discrepancia entre los valores p de la tabla de estimaciones de parámetros y la parametrización de la función del indicador. Para 1 interacción en el modelo, la tabla de estimaciones de parámetros proporciona un valor p de 0,0046 y la Parametrización de la función del indicador da un valor p de 0,5173. Este es el único término que cambia de significativo a no significativo al cambiar la parametrización. No estoy seguro si esta es información útil, pero los errores estándar en la tabla de parámetros esitmates son los mismos para todos los términos del modelo. ¿Podría alguien explicarme cuál podría ser la razón detrás de esto?
Gracias por adelantado.
AnalíticaRe: Diferentes resultados entre estimaciones de parámetros y parametrización de funciones de indicadorLa tabla Estimaciones de parámetros incluye valores p para la hipótesis nula de que el parámetro es igual a cero. los parametrización determina las estimaciones y el significado del parámetro para predictores categóricos.
Re: Diferentes resultados entre estimaciones de parámetros y parametrización de funciones de indicadorGracias @markbailey para su respuesta.
Soy consciente de que el uso de una parametrización diferente terminará en diferentes valores p. Sin embargo, no esperaba que, según la paremetrización, un valor p para un término dado pasara de significativo a no significativo. Esa es una gran diferencia. ¿Hay algo detrás de la parametrización que utiliza JMP que resulte en un término significativo mientras que la parametrización GLM termina en un valor no significativo para el mismo término?
