幫助解釋參數估計，預測方程式和標準誤差在“最小二乘法”分析中，我的模型具有一個類別變量“ Section”，具有三個值“ 1”，“ 2”和“ 3”，以及一個連續變量“ Cycles”。我有三個問題。
- 為什麼“參數估算值”表不能代表模型？ 它沒有提供有關“ 3”部分的信息。
- 我是否可以更改JMP中的選項，以便分析輸出排除截距係數，而僅將“ 1”，“ 2”和“ 3”部分的係數返回為0.655、0.789和0.804？
- 如何解釋給定部分的總標準誤差？ 我只是堅持使用LSM表中的標準誤差，還是將參數估計值的標準誤差相加？即標準錯誤（攔截）+標準錯誤（[[]]節）+標準錯誤（週期）？
其他回复：幫助解釋參數估計，預測方程式和標準誤差我將提供一些答案。
1. JMP將在回歸模型中忽略名義變量的一個值，並報告所有其他變量的係數-每個係數都被解釋為該類別相對於所有類別平均值的影響。這是必要的，因為如果將所有類別都用作因素，則該模型將被過度識別。運行模型後，通過單擊“擴展的估計”，您可以查看所有類別的係數。在有2個類別（例如0和1）的情況下，JMP將給出類別0的係數，並且兩個類別之間的響應變量之差將是該係數的2倍（展開的估算將顯示類別1的係數為絕對值相同，但符號相反）。
2.要排除截距，只需在創建擬合模型時選中“禁止截距”框即可。
3.我不確定你在這裡問什麼。但是，如果要模型的整體標準誤差，請使用擬合摘要中報告的標準誤差（不是任何單個係數，而是模型殘差的標準誤差）。
回复：幫助解釋參數估計，預測方程式和標準誤差謝謝回复。
- 是的，擴展的估算值正是我想要的。
- 將整體模型設置為零截距不是我的意思。 相反，我希望Section [＃]的參數估計值已經包含截距（而不是截距的差）。 但是我認為這與統計慣例背道而馳，我可以很容易地計算出我想要的東西。
- 我試圖在給定部分中查找所有數據的標準錯誤。 我現在意識到這不是參數估計的標準誤差。 這也不是LSM圖中的標準誤差。 LSM圖標準誤差是用合併的標準偏差計算的，因為LSM圖假定所有因子水平之間的方差相等。 如果我需要某一部分的標準誤差，則必須分別計算它，我發現使用製表工具就足夠容易了。
