你好，我的問題是關於JMP中協方差分析表的查看方式。
我有上面的數據，我認為高度是協變量，我做了協方差分析。
首先，我認為藍色框是協變量的“調整平均值”，因為 Control、Fast 和 Slow 的實際平均值分別為 12.13、9.41 和 15.83。
因此，第二，參數估計（紅框）提供截距和τ 1 和τ2 (τ3 = 0),然後我可以估計
控制：9.6717502 - 0.142494 + 0.0558x
快速：9.6717502 - 3.286649 + 0.0558x
慢：9.6717502 + 0.0558x
協變量（高度）的平均值是 49.9，因此，我可以估計
控制：9.53 + 0.0558 * 49.9 ≈ 12.314
快：6.39 + 0.0558 * 49.9 ≈ 9.17
慢：9.6717502 + 0.0558 * 49.9 ≈ 12.457
與 JMP 中調整後的均值（藍框）相比，Control 和 Fast 是正確的，但 Slow 不同。 JMP 說是15.885810。
我對慢的計算是 12.457。 我是否對協方差分析理解有誤，或者 JMP 以不同於一般協方差分析的不同方式進行計算？
你能告訴我我如何解釋這個嗎？
總是非常感謝！！！
您很接近，但由於 JMP 對分類肥料因子進行編碼的方式，您的模型有點偏差。
看到你想看到的最簡單的方法是去紅色三角形並選擇
估計值 > 顯示預測表達式：
或從紅色三角形中選擇估計值 > 擴展估計值：
JMP 進行編碼的方式要求分類變量的估計值加到 0。 因此，慢速估計值 = -1*(控制估計值 + 快速估計值) = -1*(-.142494 + -3.286649) = 3.4291433，而不是 0。
只是對你的分析的一些想法。 您應該先在模型中輸入協變量，然後使用順序檢驗來分析協變量的顯著性。 使用協變量時還要始終檢查 VIF。 在您的情況下，它們似乎低於 2，這很好。
最小二乘均值是設置為某個中性值的預測公式的函數，並且是這些名義因子水平的均值。 我添加了一個數據表，其中包含擬合模型腳本和保存的結果預測公式。 Slow 的 LS 均值在 JMP 中確實是正確的。
非常感謝！！ 太清楚了！！ 我愛 ”預測表達式”看起來不錯。
非常感謝。
