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名义输入变量的拟合模型平台。
据我了解，参数估计表中的 T 值用于测试估计值是否等于零。 实际上，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类别（1 和 2）小于 alpha 0.05，那么结论是什么可以做吗？ 1 和 2 与 3 有显着差异吗？
我已经从效果测试中知道该变量（细胞批次）对输出有重要贡献。
请原谅这个天真的问题。
回复：参数估计的实用解释大多数平台都会提供扩展的估计，但显然不适合您的情况。 也许一个技巧可以让你得到你需要的东西。
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 级和 B 级的测试。 现在，将值排序属性放在分类变量上。 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，我会提出C、A、B。 现在重新调整您的模型。 您应该看到 C 和 A 的测试，但看不到 B。
希望这个解决方法能够真正适用于您的情况。 无论哪种方式，您都应该在 JMP 愿望清单中查找此建议的改进并为其投票。 如果建议不存在，请添加！
回复：参数估计的实用解释请忽略之前的回复，因为它不正确。 我正在考虑从“拟合模型”对话框启动的另一个平台。
回复：参数估计的实用解释抱歉打扰了旧线程，但这是我在任何地方看到的唯一解释为什么 JMP 默认情况下会这样做。
忽略第 N 个参数，因为可以根据前面的参数计算估计值，这似乎是短视的。 我正在使用参数生存法进行 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，很好，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，否则根本不会被报告，但在这种情况下我无法让 JMP 为我计算它们。
回复：参数估计的实用解释非常感谢！
回复：参数估计的实用解释是的，图基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，因此所有比较的 I 类错误率会增加很多。
是的，您可以使用p - 适当调整后的值与平常一样。
回复：参数估计的实用解释非常感谢马克的详细回答。
作为后续行动，如果我确实想使用此模型探索单元批次 #1、2 和 3 之间是否存在显着差异。 选择多重比较，然后选择 Tukey 或 Student's T（取决于哪一个合适）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”，其中包含每个可能的两个类别组合（1&2、1&3、2&3）之间的 3 个比较。 在这种情况下，p 值小于 alpha 是否表明这两组之间存在显着差异？
回复：参数估计的实用解释你是对的。 这效果测试是基于III 型平方和与向模型添加项相关。 它是F测试。 你有一个F对每个术语进行测试。 该检验对于模型简化和因素效应推断很有用。
另一方面，参数估计报告了t检验，因为它将估计值与原假设的值（即参数为零）进行比较。 （您可以使用以下方法测试其他零假设t测试，但 JMP 不提供此类测试。 有一个用于此目的的脚本。）您有一个t测试每个估计。
如果您想查看最后一级的结果，请单击“拟合最小二乘法”旁边顶部的红色三角形，然后选择估计>扩大的估计。 （JMP 默认情况下不报告最后一个水平，因为最后一个参数的估计值必须是等于其他参数估计值之和的负数。 如果您愿意，可以在平台首选项中启用扩展估算。）
这些测试的解释仅限于独立测试与 0。 您的示例得出的结论是，级别 1 和级别 2 的估计值不为零。 你能说的就是这些。 这些测试不会将这些级别与最后一个级别进行比较。 您可以使用额外的对比以此目的。
您还必须担心所有这些测试中 I 类错误率夸大的多重比较问题。
