幫助解釋參數估計、預測方程式和標準誤差在擬合最小平方法分析中，我的模型有一個分類變數“Section”，有三個值“1”、“2”和“3”，以及一個連續變數“Cycles”。我有三個問題。
- 為什麼參數估計表不代表模型？它沒有給我任何有關“3”節的信息。
- 我是否可以更改 JMP 中的選項，以便分析輸出排除截距係數並僅將部分“1”、“2”和“3”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？我只堅持使用 LSM 表中的標準誤差，還是將參數估計的標準誤差相加？即標準誤差（截距）+ 標準誤差（節[#]）+ St 誤差（週期）？
大規模客製化回复：幫助解釋參數估計、預測方程和標準誤差我不建議經常這樣做，但是要在沒有截距的情況下“查看”模型，您總是可以將模型與部分作為“by”變量進行擬合（當然，還可以從模型中刪除部分）。 您將獲得三個模型，每個部分一個。 每個模型的截距將是截距與相應部分的參數估計值的組合。
這種方法可能會讓您獲得您正在尋找的“標準錯誤”。
我通常只推薦這種方法，以便了解您已經擬合的單個整體模型。 一種模式優於三種模式。
回复：幫助解釋參數估計、預測方程和標準誤差謝謝回复。
- 是的，擴展估計正是我要找的。
- 將整體模型設置為零截距並不是我的意思。 相反，我希望 Section[#] 的參數估計已經包括截距（而不是與截距的差異）。 但我認為這違反了統計慣例，我可以很容易地計算出我想要的東西。
- 我試圖找到給定部分中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。 它也不是 LSM 圖中的標準誤差。 LSM 圖標準誤差是使用合併標準差計算的，因為 LSM 圖假設所有因子水平之間的方差相等。 如果我想要一個部分的標準誤差，我必須單獨計算它，我發現使用 Tabulate 工具很容易做到這一點。
回复：幫助解釋參數估計、預測方程和標準誤差我會提供一些答案。
1. JMP 將在回歸模型中省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，模型將被過度識別。您可以在運行模型後單擊“擴展估計”來查看所有類別的係數。如果有 2 個類別，比如 0 和 1，JMP 將給出類別 0 的係數，兩個類別之間響應變量的差異將是該係數的 2 倍（擴展估計將顯示類別 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勾選“無截距”即可。
3. 我不太確定你在這裡問什麼。但是，如果您想要模型的總體標準誤差，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）。
