参数估计的实用解释我正在使用具有连续输出变量和多个标称输入变量的拟合模型平台。
我知道在 Parameter Estimates 表中，T 值用于测试估计是否等于零。 在实际意义上，如果我有一个具有 3 个类别（1、2 和 3）的变量（Cell Lot）并且参数估计表中列出的两个（1 和 2）小于 0.05 的 alpha，那么结论是什么那可以做吗？ 1 和 2 与 3 有显着差异吗？
我已经从效果测试中知道这个变量（细胞批次）是输出的重要贡献者。
请原谅这个幼稚的问题。
回复：参数估计的实际解释大多数平台都会提供扩展的估计值，但显然不适合您的情况。 也许一个技巧可以为您提供所需的东西。
假设您的分类变量具有级别 A、B 和 C。 当您拟合模型时，您将看不到 C 级的估计和测试，但您将看到 A 和 B 的测试。 现在，在您的分类变量上放置一个值排序属性。 只要 C 不是列表中的最后一项，请将其更改为您想要的任何内容。 例如，我将提出 C、A 和 B。 现在改装你的模型。 您应该看到 C 和 A 的测试，而不是 B。
希望此解决方法实际上适用于您的情况。 无论哪种方式，您都应该在 JMP 愿望清单中查看这项改进建议并投票赞成。 如果没有建议，请添加！
回复：参数估计的实际解释请忽略之前的回复，因为它是不正确的。 我正在考虑从“拟合模型”对话框启动的另一个平台。
回复：参数估计的实际解释很抱歉碰到了一个旧线程，但这是我在任何地方看到的唯一解释为什么 JMP 默认会这样做。
省略第 N 个参数，因为可以从前面的参数中计算估计值似乎是短视的。 我正在使用参数生存进行 Tobit 回归，并且输出窗口不允许“扩展估计”。 正如你所说，我可以计算估计值，但我无法估计 SE、T 比率或概率 > |T|这边走。 这些指标具有价值，否则根本不会报告它们，但在这种情况下，我无法让 JMP 为我计算它们。
回复：参数估计的实际解释非常感谢！
回复：参数估计的实际解释是的，Tukey 的多重比较方法将是所有批次相互比较的最佳方法。 不要使用 Student t 方法，因为它不会根据比较次数进行调整，因此您在所有比较中的 I 类错误率会增加很多。
是的，您可以使用p - 值与往常一样进行适当的调整。
回复：参数估计的实际解释非常感谢您的详细回答马克。
作为后续，如果我确实想探索使用此模型的 Cell lot #1、2 和 3 是否彼此之间存在显着差异。 选择多重比较然后选择 Tukey 或 Student's T（取决于哪个是合适的）是合适的方法吗？ 当我这样做时，我会看到一个所有成对差异表，其中每个可能的两个类别组合（1&2、1&3、2&3）之间有 3 个比较。 在这种情况下，小于 alpha 的 p 值是否表明这两组之间存在显着差异？
回复：参数估计的实际解释你是对的。 这效果测试是基于III型平方和与向模型中添加项相关联。 它是F测试。 你有一个F测试每个学期。 该检验对于模型简化和关于因子效应的推断很有用。
另一方面，参数估计报告吨测试，因为它将估计值与原假设的值进行比较，即参数为零。 （您可以使用吨测试，但 JMP 不提供此类测试。 为此目的有一个脚本。）你有一个吨测试每个估计。
如果您想查看最后一级的结果，请单击顶部拟合最小二乘旁边的红色三角形并选择估计>扩大估计. （JMP 默认不报告最后一个级别，因为最后一个参数的估计一定是等于其他参数估计值之和的负值。 如果您愿意，您可以在平台首选项中启用扩展估计。）
这些测试的解释仅限于独立测试与 0。 您的示例得出结论，级别 1 和级别 2 的估计值不为零。 这就是你能说的。 这些测试不会将这些级别与上一个级别进行比较。 您可以使用额外的对比以此目的。
您还必须关注所有这些测试的夸大 I 型错误率的多重比较问题。
