大家好，
我很難理解 JMP 如何在最小二乘平均值表中產生標準誤差。
我有一個具有兩種效果的模型，即。因素 1（3 個類別）和因素 2（2 個類別）
>> y = 截距+ 因子 1 + 因子 2。
根據 JMP，我可以透過計算預測值的平均值來獲得因子 1 的 LS 平均值。
但是，當我使用與標準誤差相同的方法（即計算預測值的標準誤差）時，我無法獲得 JMP 報告的標準誤差。
在JMP的手冊中，描述了LS平均值的Std Error顯示每個水平的最小二乘平均值的標準誤差。
我可能會錯誤地解釋這一點。有人可以幫助澄清這意味著什麼嗎？
附：我在圖片中附上了我的模型。 舉一個例子來說明我如何計算預測值
任務 = N-back，診斷 = 非 SCD
我計算出 y = 0.229-0.072+0.0662。
您最近提供的分析與您原始帖子中的分析不同。 新的更加複雜。 此外，您還沒有找到“參數估計”報告。 我改變策略來解釋。
運行以下程式碼以取得範例資料和最小平方法分析。
dt = New Table( "sample",
Add Rows( 24 ),
New Column( "X1",Character,Nominal,Set Values( {"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B"} ), ),
New Column( "X2",Character,Nominal,Set Values( {"x", "x", "x", "x", "y", "y", "y", "y", "z", "z", "z", "z", "x", "x", "x", "x", "y", "y", "y", "y", "z", "z", "z", "z"} ), ),
New Column( "Y",Numeric,Continuous,Set Values([18.33, 10.21, -2, -14.02, -21.37, -32.28, -36.99, -46.6, -56.95, -66.74, -75.84, -83, -74.18, -64.9, -55.96, -47.03, -36.72, -26.27,-18.1, -11.28, -2.18, 6.84, 16.51, 24.81]), )
);
dt << Fit Model( Y( :Y ), Effects( :X1, :X2 ), Personality( "Standard Least Squares" ), Emphasis( "Effect Screening" ), Run );
這裡是「參數估計」和「估計相關性」、預測表達式和 X1 的 LS 平均值：
預測表達式讓人對模型的數學表達式有一些了解，但並不十分準確。 模型看起來像這樣
其中，b0 = -28.98792，b1 = -4.949583，b2 = 0.2941667，b3 = 0.286667，來自參數估計報告。
A 的 LS 平均值是透過讓模型中的 X1 = 1、X2 = 0 和 X3 = 0 來計算的。 在下面的程式碼中，三個值加上截距形成 x 向量。 每個元素都是預測公式（估計函數）相對於對應參數的偏導數。
以下程式碼計算 A 的 LS 平均值的標準誤差。
x = [1 1 0 0];
s = diag([7.034044 7.034044 9.94764 9.94764]);
R = [1 0 0 0,
0 1 0 0,
0 0 1 -0.5,
0 0 -0.5 1];
sqrt(x * s * R * s * transpose(x));
“s”中的值來自“參數估計”中的標準誤差列。 矩陣“R”來自估計的相關性。 「s*R*s」的乘積給出了估計的協方差矩陣。 「x*s*R*s*transpose(x)」的乘積給出了預測的變異數估計。 變異數估計的平方根給出標準誤差。
所有其他標準誤差均透過使用不同的 x 向量以類似方式計算。 例如對於 B，x = [1 -1 0 0]。
現在我解釋一下劇情。 它應該描述估計的 LS 平均值及其 95% 置信區間。 理論上，在模型假設下，LS 平均值估計值與對應的標準誤差之比遵循 t 分佈，其自由度等於模型的自由度，即觀測總數減去參數的數量。 因此，LS 平均值的置信區間具有我提到的公式。
現在我解釋為什麼標準誤差是相同的。 這是由於數據的特徵造成的。 我在這裡給出的數據來自平衡設計，或者換句話說，來自不同級別的相同數量的觀察。 嘗試從一個級別刪除幾行，您應該看到不相等的標準錯誤。
您最新的分析更加複雜並且涉及隨機效應。 但解釋的原則仍然適用。
------------
這篇文章已更新，修正了 B 的 LS 平均值的 x 向量。
嗨彭劉，
感謝您的答覆。 我已經在這裡發布了我的螢幕截圖。 我有兩組科目 - SCD 和非 SCD，分類為診斷。 我每組有 15 個科目，所以總共有 30 個科目。 對於每個主題，我有 3 個按任務分類的觀察結果。 在表中，主題 ID 是 Acrostic。
我建立了具有這些效應和一個協變量的混合模型（基線 BRSv）
ΔPPGa = 離合詩[隨機] + 任務 + 診斷 + 診斷*任務 + 基線 BRSv。
我想繪製每個任務組合的平均 ΔPPGa +- 標準誤差，調整基線 BRSv 後的診斷。
我認為診斷*任務的 LS 均值圖一定是我想要的；但是，我不明白為什麼標準錯誤每個組合都是相同的（即，在任務 * 診斷的 LS 平均值表中，所有標準誤差 = 0.0417 ） 。
儘管您已經指出 LS 均值圖不包含標準誤差，
你能幫我理解嗎？
>如何標準誤差在我們進入之前計算LSmean +/- T 分位數(.975, df) * 標準誤。
我的估計報告的相關性有點混亂，但這是我附件的第二頁。
感謝您的時間，
我正在嘗試產生每個類別的結果（ΔPPGa）圖，
您還需要兩塊來重建數字。 它們是 (1) 參數估計報告 (2) 估計相關性報告。 第一個預設可用。 您需要打開“估計”>“估計的相關性”才能看到第二個。 請在這裡發布他們的螢幕截圖，以便我更容易解釋。
除此之外，該圖不是 LSmean +/- Std Err。 它是 LSmean +/- T 分位數(.975, df) * Std Err。 你有多少觀察結果？
您是否要計算 y = 0.229-0.072+0.0662 的標準誤？
那麼你的螢幕截圖中的數字都無法告訴你這一點。 這些平均值是邊際的，例如，N-back 的平均值只是任務 = N-back 的所有觀察值的 Y 平均值，無論診斷是什麼。
若要尋找預測的標準錯誤，請嘗試「估計」>「自訂測試」。
