パラメータ推定値、予測式、および標準誤差の解釈に役立ちますFit Least Squares分析では、私のモデルには、3つの値「1」、「2」、「3」を持つカテゴリ変数「Section」と、1つの連続変数「Cycles」があります。3つの質問があります。
- パラメータ推定値テーブルがモデルを表していないのはなぜですか？ セクション「3」についての情報はありません。
- JMPのオプションを変更して、分析出力で切片係数を除外し、セクション「1」、「2」、および「3」の係数を0.655、0.789、および0.804として返すことはできますか？
- 特定のセクションの合計標準誤差をどのように解釈しますか？ LSMテーブルの標準誤差に固執するだけですか、それともパラメーター推定値の標準誤差を合計しますか？すなわち、標準エラー（インターセプト）+標準エラー（セクション[＃]）+標準エラー（サイクル）？
その他Re：パラメーター推定値、予測式、および標準誤差の解釈を支援します私はいくつかの答えを提供します。
1. JMPは、回帰モデルの名義変数の1つの値を除外し、他のすべての係数を報告します。各係数は、すべてのカテゴリの平均に対するそのカテゴリの効果として解釈されます。すべてのカテゴリが要因として使用された場合、モデルが過剰に識別されるため、これが必要です。モデルの実行後に[拡張推定値]をクリックすると、すべてのカテゴリの係数を確認できます。たとえば0と1の2つのカテゴリがある場合、JMPはカテゴリ0の係数を与え、2つのカテゴリ間の応答変数の差はその係数の2倍になります（拡張された推定値は、カテゴリ1に次の係数があることを示します）同じ絶対値ですが、符号が逆です）。
2.切片を除外するには、フィットモデルを作成するときに[切片なし]チェックボックスをオンにします。
3.ここで何を求めているのか正確にはわかりません。ただし、モデルの全体的な標準誤差が必要な場合は、近似の要約で報告された標準誤差を使用します（個々の係数ではなく、モデルからの残差の標準誤差）。
Re：パラメーター推定値、予測式、および標準誤差の解釈を支援します返信いただきありがとうございます。
- はい、拡張された見積もりは私が探していたものです。
- モデル全体をゼロでインターセプトするように設定することは、私が意図したことではありません。 むしろ、Section [＃]のパラメーター推定値に、（切片との違いではなく）切片が既に含まれていることを望みました。 しかし、これは統計的な慣習に反していると思います。私は必要なものを簡単に計算できます。
- 特定のセクションのすべてのデータの標準エラーを見つけようとしていました。 私は今、これがパラメータ推定の標準誤差ではないことに気づきました。 また、LSMプロットの標準誤差でもありません。 LSMプロットはすべての因子レベル間で等しい分散を想定しているため、LSMプロットの標準誤差はプールされた標準偏差を使用して計算されます。 1つのセクションの標準誤差が必要な場合は、個別に計算する必要があります。これは、集計ツールを使用して行うのが簡単であることがわかりました。
