多项式逻辑回归输出解释我使用的是装有 JMP Pro 16.0.0 的 Mac 计算机
我有一个实验，在全因子设计中测试了三种刀具深度和三种刀具速度。 我的响应变量是人工杂草干扰水平的评分类别。 这些类别是连根拔起、扰乱、掩埋、部分扰乱和未扰乱。 我在 JMP 中使用多项逻辑回归来分析这些数据。 我的拟合模型是：分数类别作为我的响应变量，我将工具深度、速度和工具深度*速度作为我的固定效果。 我发现我的似然比检验对于主效应和交互作用都很重要。 我的问题是关于理解我的参数估计输出。 我可以从列联表中计算我的 Lin[连根拔起]、Lin[扰乱] 等，但不能从参数估计中计算。
我需要了解如何将参数估计表中的 p 值放入句子中，以及如何从同一个表中计算对数赔率，以便了解测试告诉我的内容。 我在下面附上了我的数据集以供更多理解。
数据探索和可视化苹果系统回复：多项逻辑回归输出解释好的，我了解如何使用参数估计值。 现在我明白这个方程是从哪里来的了。 这很有帮助，谢谢你，我很感激。 我还将使用探查器进行更多探索。
回复：多项逻辑回归输出解释不。 参数估计表根据真实参数等于零的原假设来测试每个估计值。 这就是它告诉你的全部。
您可以使用其他信息来解释这些效果的含义。 例如，预测刻画器允许您更改设置并查看每个响应级别的更新预测概率。 我没有像你这样的例子。 我使用 Big Class 并将标称响应年龄与连续体重和身高预测变量进行拟合。 这是该模型的分析器：
您还可以保存概率公式。 JMP 保存线性预测变量、变换后的概率以及给定概率的最可能水平。 这是对数赔率的线性预测变量组。
这是第一个线性预测器的公式：
这些数字是参数估计值。 下一组公式列将对数赔率转换回概率：
这是第一次概率变换的公式：
最后，预测的响应级别是概率最高的响应级别：
回复：多项逻辑回归输出解释我会尝试重新提出我的问题。 当我有两个、三个级别的效果和交互时，我需要帮助分解参数估计表。 例如，在术语列中，我有工具深度 (30 mm) 和显着的 p 值。 这是否意味着与包含所有三种速度的 10 毫米深度的受干扰/不受干扰评分相比，包含 30 毫米深度的所有三种速度都显着不同？ 此外，在术语列中，我的工具深度 30 mm*速度 1.1 m/s 显示出显着性。 这是否意味着速度为 1.1 m/s 时刀具深度为 30 mm 与刀具深度为 10 mm、速度为 0.89 时明显不同。 m/s 表示受干扰/不受干扰的评分？ 我附上了一张显示这张桌子的照片。
回复：多项逻辑回归输出解释是的，我使用了“保存概率公式”选项，我可以从中获取对数赔率。 尽管如此，我想要关联的 p 值与参数估计的对数赔率。
回复：多项逻辑回归输出解释您是否尝试将模型保存为一系列公式？
