最小二乗適合;効果の要約vs効果テストvsパラメーター推定パラメータAのp値が0.03866の[効果の概要]セクションがあるDOE結果があります。効果テストのセクションでは、同じパラメーターのp値は0.9353です。その変数のパラメーター推定値も0.9353です。効果の要約が効果テストおよびパラメーター推定と異なるのはなぜですか？また、各テストの意味は何ですか？
ありがとう
Re：最小二乗適合;効果の要約vs効果テストvsパラメーター推定同じモデルを5つの応答に当てはめると、応答ごとに1つずつ、5つの固有のパラメーター推定値のセットが得られます。 したがって、各用語には5つの見積もりがあります。 効果の概要レポートには、各用語の最も重要な推定値が表示されます。
Re：最小二乗適合;効果の要約vs効果テストvsパラメーター推定ご回答ありがとうございました。とても参考になりました。実際、複数の応答があります。あなたの答えについてもう1つ質問があります。最初の文で、「...次に、要約レポートに、モデルの1つからの各用語の最も重要な結果が表示されます」と記述します。モデルの1つという用語は、応答が1つだけのモデルを意味します（Yロール？
ありがとう
Re：最小二乗適合;効果の要約vs効果テストvsパラメーター推定個々のモデルを適合させるオプションなしで同時に複数の応答（Yの役割）をモデル化した場合、要約レポートには、モデルの1つからの各項の最も重要な結果が表示されます。
単一の回答または個別の適合の場合、要約レポートと効果テストは基本的に同じです。 他の用語がすでに入力されている場合、モデルに用語を追加することの重要性をテストします。 帰無仮説は、追加の項が無視できる影響を表すというものです。
パラメータ推定値は、いくつかの一般的なケースでは効果テスト（冗長情報）と同じように見えることがよくありますが、同じではありません。 パラメーター推定値テーブルは、パラメーターがゼロであるという帰無仮説に対してt検定を使用します。 効果テーブルは、モデルの二乗和のゼロ変化に対してF検定を使用します。
これらの2つのレポートの違いは、3つ以上のレベルのカテゴリ要素がある場合にさらに明確になります。
上から下に、ある種の情報の階層があります。 モデル全体のテスト、効果のテスト、およびパラメーターの推定。
Re：最小二乗適合;効果の要約vs効果テストvsパラメーター推定効果の概要をもう一度見てください。要因の順序は重要です。 効果テストとパラメーター推定の表には、モデルダイアログでユーザーが指定した順序で係数が一覧表示されます。
可能であれば、セキュリティを侵害することなく、データを匿名化するか、これらのテーブルの一部を表示してください。
