參數估計的實用解釋我正在使用具有連續輸出變數和多個名義輸入變數的擬合模型平台。
據我了解，參數估計表中的 T 值用於測試估計值是否等於零。 實際上，如果我有一個具有 3 個類別（1、2 和 3）的變數（Cell Lot），並且參數估計表中列出的兩個類別（1 和 2）小於 0.05 的 alpha，那麼結論是什麼可以做嗎？ 1 和 2 與 3 有顯著差異嗎？
我已經從效果測試中知道該變數（細胞批次）對輸出有重要貢獻。
請原諒這個天真的問題。
回覆：參數估計的實用解釋大多數平台都會提供擴展的估計，但顯然不適合您的情況。 也許一個技巧可以讓你得到你需要的東西。
假設您的分類變數具有等級 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 級和 B 級的測試。 現在，將值排序屬性放在分類變數上。 只要 C 不是清單中的最後一項，請將其變更為您想要的任何內容。 例如，我會提出C、A、B。 現在重新調整您的模型。 您應該看到 C 和 A 的測試，但看不到 B。
希望這個解決方法能夠真正適用於您的情況。 無論哪種方式，您都應該在 JMP 願望清單中找到此建議的改進並為其投票。 如果建議不存在，請添加！
回覆：參數估計的實用解釋請忽略先前的回复，因為它不正確。 我正在考慮從“擬合模型”對話框啟動的另一個平台。
回覆：參數估計的實用解釋抱歉打擾了舊線程，但這是我在任何地方看到的唯一解釋為什麼 JMP 默認情況下會這樣做。
忽略第 N 個參數，因為可以根據前面的參數計算估計值，這似乎是短視的。 我正在使用參數生存法進行 Tobit 回歸，並且輸出視窗不允許“擴展估計”。 正如你所說，我可以計算估計值，很好，但我無法估計 SE、T 比率或機率 > |T|這邊走。 這些指標有價值，否則根本不會被報告，但在這種情況下我無法讓 JMP 為我計算它們。
回覆：參數估計的實用解釋非常感謝！
回覆：參數估計的實用解釋是的，圖基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，因此所有比較的 I 類錯誤率都會增加很多。
是的，您可以使用p - 適當調整後的數值與平常一樣。
回覆：參數估計的實用解釋非常感謝馬克的詳細回答。
作為後續行動，如果我確實想使用此模型探索單元批次 #1、2 和 3 之間是否存在顯著差異。 選擇多重比較，然後選擇 Tukey 或 Student's T（取決於哪一個合適）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”，其中包含每個可能的兩個類別組合（1&2、1&3、2&3）之間的 3 個比較。 在這種情況下，p 值小於 alpha 是否表示這兩組之間有顯著差異？
回覆：參數估計的實用解釋你是對的。 這效果測試是基於III 型平方和與向模型添加項相關。 它是F測試。 你有一個F對每個術語進行測試。 此檢定對於模型簡化和因素效應推論很有用。
另一方面，參數估計報告了t檢驗，因為它將估計值與原假設的值（即參數為零）進行比較。 （您可以使用以下方法測試其他零假設t測試，但 JMP 不提供此類測試。 有一個用於此目的的腳本。）您有一個t測試每個估計值。
如果您想查看最後一級的結果，請按一下「擬合最小平方法」旁邊頂部的紅色三角形，然後選擇估計>擴大的估計。 （JMP 預設不會報告最後一個水平，因為最後一個參數的估計值必須是等於其他參數估計值總和的負數。 如果您願意，可以在平台首選項中啟用擴充估算。）
這些測試的解釋僅限於獨立測試與 0。 您的範例得出的結論是，等級 1 和等級 2 的估計值不為零。 你能說的就是這些。 這些測試不會將這些等級與最後一個等級進行比較。 您可以使用額外的對比以此目的。
您還必須擔心所有這些測試中 I 類錯誤率誇大的多重比較問題。
