パラメータ推定値、予測式、標準誤差の解釈に役立つ最小二乗法による分析では、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。質問が 3 つあります。
- パラメータ推定テーブルにモデルが表されていないのはなぜですか? セクション「3」に関する情報は提供されません。
- 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すればよいですか? LSM テーブルの標準誤差をそのまま使用すればよいですか、それともパラメーター推定値の標準誤差を合計すればよいですか? つまり、標準誤差 (切片) + 標準誤差 (セクション [#]) + 標準誤差 (サイクル) ですか?
大量カスタマイズRe: パラメータ推定値、予測式、標準誤差の解釈を手伝ってくださいこれを頻繁に行うことはお勧めしませんが、切片なしでモデルを「見る」には、セクションを「by」変数としてモデルに常に適合させることができます (もちろん、モデルからセクションを削除します)。 各セクションに 1 つずつ、合計 3 つのモデルが用意されています。 各モデルの切片は、それぞれのセクションのパラメータ推定値と組み合わされた切片になります。
このアプローチにより、探していた「標準エラー」も取得できる場合があります。
通常、このアプローチは、既に当てはめた単一の全体的なモデルを理解するためにのみお勧めします。 3 つのモデルよりも 1 つのモデルの方が望ましいでしょう。
Re: パラメータ推定値、予測式、標準誤差の解釈を手伝ってください返信いただきありがとうございます。
- はい、拡大された見積もりは私が探していたものです。
- 全体的なモデル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 (切片との差ではなく) 切片が既に含まれるようにしたかったのです。 しかし、これは統計上の慣習に反していると思います。必要なものを十分に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。 これはパラメータ推定値の標準誤差ではないことに気付きました。 LSM プロットの標準誤差でもありません。 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。これは、LSM プロットがすべての因子レベル間の分散が等しいと仮定しているためです。 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が、Tabulate ツールを使用すると簡単に計算できました。
Re: パラメータ推定値、予測式、標準誤差の解釈を手伝ってください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、他のすべての値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、モデルが過剰に特定されるため、これが必要です。モデルを実行した後、[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。0 と 1 などの 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 (拡張推定値は、カテゴリ 1 に次の係数があることを示します)。絶対値は同じですが、符号が反対です)。
2. 切片を除外するには、フィット モデルの作成時に [切片なし] チェックボックスをオンにします。
3. ここで何を尋ねているのかよくわかりません。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)。
