Anzeigefunktion Parametrierung Hilfe!Soweit ich das beurteilen kann, ist die Ausgabe der Parameterisierung der Indikatorfunktion für kategoriale Prädiktoren in Ihrem Modell vorgesehen.Ich habe bis vor kurzem überhaupt nichts von diesem Ausgabefenster gewusst und in meinen Regressionsanalysen immer einfach die p-Werte und Koeffizienten aus dem Hauptfenster für die Parameterschätzung verwendet. Ich habe kürzlich ein Modell durchgeführt, das 1 kontinuierliche IV und 2 binäre IVs sowie alle Kombinationen von Begriffen für ihre Wechselwirkungen enthielt. Wenn ich mir die Schätzungen der Hauptparameter im Vergleich zu den Schätzungen der Parametrisierung der Indikatorfunktion anschaue, geht die Interaktion, an der ich interessiert bin, von signifikant in der Hauptausgabe bis zu NS in der IFP-Ausgabe.Welches ist technisch am besten zu verwenden? Habe ich die ganze Zeit die falschen Ergebnisse gemeldet?
AnalytikBetreff: Parametrierung der Anzeigefunktion Hilfe!Ich hoffe, Sie haben gelernt, dass kategoriale Faktoren beide Parametrisierungen verwenden können.
Wie beurteilen Sie die Auswirkungen der Faktoren? Die standardmäßige Effektparametrisierung interpretiert die Effekte als Differenz von der durchschnittlichen Antwort. Wenn Faktor = Stufe 1 also einen Effekt von -10 hat, bedeutet dies, dass die Reaktion 10 Einheiten unter dem Durchschnitt liegt. Die Hypothesentests gehen von einer Nullhypothese des Parameters gleich Null oder von keiner Auswirkung oder Änderung gegenüber der durchschnittlichen Antwort aus. Dies ist die Standardparametrisierung, da die meisten Leute so über Effekte denken.
Die GLM-Parametrisierung ist ein historischer Standard, der von Statistikern verwendet wird. Dies ist die Standardeinstellung in SAS PROC GLM. Daher ist es zu Vergleichszwecken in JMP enthalten.
Betreff: Parametrierung der Anzeigefunktion Hilfe!Danke für deine Antwort.Haben Sie einen Einblick, was am besten geeignet wäre, um interpretiert zu werden? Angesichts der Details, die ich zu meinen Variablen angegeben habe?
Betreff: Parametrierung der Anzeigefunktion Hilfe!Das lineare statistische Modell kann auf unterschiedliche Weise parametrisiert werden, um für unterschiedliche Zwecke oder Interpretationen geeignet zu sein. Die Unterschiede ändern die Bedeutung der Hypothesentests der Schätzungen. Die Unterschiede ändern die Nullhypothese, sodass nicht erwartet wird, dass die Signifikanz für alle Parametrisierungen gleich ist.
Bitte sehen Indikatorparametrisierungsschätzungen .
