參數估計的實用解釋我正在使用具有連續輸出變量和多個標稱輸入變量的擬合模型平台。
我知道在 Parameter Estimates 表中，T 值用於測試估計值是否等於零。 在實際意義上，如果我有一個具有 3 個類別（1、2 和 3）的變量（Cell Lot）並且參數估計表中列出的兩個（1 和 2）小於 0.05 的 alpha，那麼結論是什麼那可以做嗎？ 1 和 2 與 3 有顯著差異嗎？
我已經從效果測試中知道這個變量（細胞批次）是輸出的重要貢獻者。
請原諒這個幼稚的問題。
回复：參數估計的實際解釋大多數平台都會提供擴展的估計值，但顯然不適合您的情況。 也許一個技巧可以為您提供所需的東西。
假設您的分類變量具有級別 A、B 和 C。 當您擬合模型時，您將看不到 C 級的估計和測試，但您將看到 A 和 B 的測試。 現在，在您的分類變量上放置一個值排序屬性。 只要 C 不是列表中的最後一項，請將其更改為您想要的任何內容。 例如，我將提出 C、A 和 B。 現在改裝你的模型。 您應該看到 C 和 A 的測試，而不是 B。
希望此解決方法實際上適用於您的情況。 無論哪種方式，您都應該在 JMP 願望清單中查看這項改進建議並投票贊成。 如果沒有建議，請添加！
回复：參數估計的實際解釋請忽略之前的回复，因為它是不正確的。 我正在考慮從“擬合模型”對話框啟動的另一個平台。
回复：參數估計的實際解釋很抱歉碰到了一個舊線程，但這是我在任何地方看到的唯一解釋為什麼 JMP 默認會這樣做。
省略第 N 個參數，因為可以從前面的參數中計算估計值似乎是短視的。 我正在使用參數生存進行 Tobit 回歸，並且輸出窗口不允許“擴展估計”。 正如你所說，我可以計算估計值，但我無法估計 SE、T 比率或概率 > |T|這邊走。 這些指標有價值，否則根本不會報告它們，但在這種情況下，我無法讓 JMP 為我計算它們。
回复：參數估計的實際解釋非常感謝！
回复：參數估計的實際解釋是的，Tukey 的多重比較方法將是所有批次相互比較的最佳方法。 不要使用 Student t 方法，因為它不會根據比較次數進行調整，因此您在所有比較中的 I 類錯誤率會增加很多。
是的，您可以使用p - 值與往常一樣進行適當的調整。
回复：參數估計的實際解釋非常感謝您的詳細回答馬克。
作為後續行動，如果我確實想探索使用此模型的 Cell lot #1、2 和 3 是否彼此之間存在顯著差異。 選擇多重比較然後選擇 Tukey 或 Student's T（取決於哪個是合適的）是合適的方法嗎？ 當我這樣做時，我會看到一個所有成對差異表，其中每個可能的兩個類別組合（1&2、1&3、2&3）之間有 3 個比較。 在這種情況下，小於 alpha 的 p 值是否表明這兩組之間存在顯著差異？
回复：參數估計的實際解釋你是對的。 這效果測試是基於III型平方和與向模型中添加項相關聯。 它是F測試。 你有一個F測試每個學期。 該檢驗對於模型簡化和關於因子效應的推斷很有用。
另一方面，參數估計報告噸測試，因為它將估計值與原假設的值進行比較，即參數為零。 （您可以使用噸測試，但 JMP 不提供此類測試。 為此目的有一個腳本。）你有一個噸測試每個估計。
如果您想查看最後一級的結果，請單擊頂部擬合最小二乘旁邊的紅色三角形並選擇估計>擴大估計. （JMP 默認不報告最後一個級別，因為最後一個參數的估計一定是等於其他參數估計值之和的負值。 如果您願意，您可以在平台首選項中啟用擴展估計。）
這些測試的解釋僅限於獨立測試與 0。 您的示例得出結論，級別 1 和級別 2 的估計值不為零。 這就是你能說的。 這些測試不會將這些級別與上一個級別進行比較。 您可以使用額外的對比以此目的。
您還必須關注所有這些測試的誇大 I 型錯誤率的多重比較問題。
