指標函數參數化幫助！據我所知，指標函數參數化輸出適用於模型中存在分類預測變量的情況。事實上，直到最近我才知道這個輸出窗口，並且在我的回歸分析中總是簡單地使用主參數估計窗口中的 p 值和係數。 我最近建立了一個模型，其中包含 1 個連續 IV 和 2 個二元 IV 以及它們相互作用的所有術語組合。 當我查看主參數估計與指標函數參數化估計時，我感興趣的交互從主輸出中的顯著性到 IFP 輸出中的 NS 。從技術上講，哪一種最好用？ 我一直在報告錯誤的結果嗎？
數據探索和可視化質量和工藝工程分享和交流結果回复：指標函數參數化幫助！我希望您了解到分類因素可以使用任一參數化。
您如何看待這些因素的影響？ 默認效果參數化將效果解釋為與平均響應的差異。 因此，如果因子 = 級別 1 的效果為 -10，則意味著響應比平均值低 10 個單位。 假設檢驗假定參數零假設，或者平均響應沒有影響或變化。 這是默認參數化，因為這是大多數人對效果的看法。
GLM 參數化是統計學家使用的歷史標準。 這是 SAS PROC GLM 中的默認值。 因此為了比較，將其包含在 JMP 中。
回复：指標函數參數化幫助！感謝您的回复。您對哪種解釋最合適有什麼見解嗎？ 鑑於我提供的有關變量的詳細信息？
回复：指標函數參數化幫助！線性統計模型可以以不同的方式參數化以適應不同的目的或解釋。 這些差異改變了估計假設檢驗的含義。 這些差異會改變原假設，因此預計所有參數化的顯著性不會相同。
請參見指標參數化估計。
