如何解釋協方差分析的結果您好，我的問題是關於如何在JMP中查看協方差分析表。
我有上面的數據，我將身高視為協變量，並進行了協方差分析。
首先，我認為藍色框是協變量的“調整平均值”，因為控制、快速和慢速的實際平均值分別為 12.13、9.41 和 15.83。
因此，其次，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：9.6717502 - 3.286649 + 0.0558x
慢：9.6717502 + 0.0558x
協變數（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（藍框）中的調整平均值相比，Control 和 Fast 是正確的，但 Slow 不同。 JMP 說的是15.885810。
我對 Slow 的計算結果是 12.457。 我對協方差分析的理解是否錯誤，或者 JMP 的計算方式與一般協方差分析不同？
你能告訴我如何解釋這一點嗎？
總是非常感謝！
進階統計建模大規模客製化品質和工藝工程回覆：如何解釋協方差分析的結果抱歉，你的分析沒有任何暗示的意思，只是傳遞別人教我的東西。 是的，預設值是Type III（可以這麼說，這對於您輸入模型的方式更加穩健），這就是為什麼您首先需要模型中的協變量，並在不考慮其他變量的情況下測試其顯著性（這就是Type III 做）。 I 類將只查看協變數所佔的變異量。 然後對模型中的其餘項使用類型 III。
不過，丹當然是對的，在這種情況下，這並不重要……兩者都具有統計顯著性。
只是好奇，高度和肥料釋放之間是否可能存在相互作用（假設這就是快/慢的含義）？
回覆：如何解釋協方差分析的結果如果順序更改了值，則表示正在使用 I 類平方和。 JMP 將在估計值下的紅色三角形彈出式選單下將此稱為順序測試。 JMP 中的預設值是類型 III 平方和，其中顯著性不會因模型階數而改變。 無論使用哪種平方和，您的因子都很重要。
回覆：如何解釋協方差分析的結果感謝您的評論。 如果順序改變了值，則表示變異數分析表是類型 III，不是嗎？ JMP中ANOVA表預設是Type III？也謝謝你的文件:)
回覆：如何解釋協方差分析的結果太感謝了！！ 太清楚了！！ 我愛 ”預測表情」看起來進展順利。
非常感謝。
回覆：如何解釋協方差分析的結果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，然後使用序貫檢定來分析協變量的顯著性。 使用協變數時也要始終檢查 VIF。 在你的情況下，它們似乎低於 2，這很好。
最小平方法平均值是設定為某個中性值的預測公式的函數，並且是那些標稱因子水準的平均值。 我新增了一個資料表，其中包含擬合模型腳本和儲存的結果預測公式。 在 JMP 中，Slow 的 LS 平均值確實是正確的。
回覆：如何解釋協方差分析的結果您很接近，但由於 JMP 對分類肥料因子進行編碼的方式，您的模型略有偏差。
查看您想查看的內容的最簡單方法是前往紅色三角形並選擇
估計 > 顯示預測表達式：
或從紅色小三角選擇估計 > 擴展估計：
JMP 進行編碼的方式要求分類變數的估計值加至 0。 因此，慢速估計 = -1*(控制估計值 + 快速估計值) = -1*(-.142494 + -3.286649) = 3.4291433，而不是 0。
