多項式邏輯迴歸輸出解釋我使用的是裝有 JMP Pro 16.0.0 的 Mac 計算機
我有一個實驗，在全因子設計中測試了三種刀具深度和三種刀具速度。 我的反應變數是人工雜草幹擾程度的評分類別。 這些類別是連根拔起、擾亂、掩埋、部分擾亂和未擾亂。 我在 JMP 中使用多項邏輯迴歸來分析這些數據。 我的擬合模型是：分數類別作為我的反應變量，我將工具深度、速度和工具深度*速度作為我的固定效果。 我發現我的似然比檢定對於主效果和交互作用都很重要。 我的問題是關於理解我的參數估計輸出。 我可以從列聯表中計算我的 Lin[連根拔起]、Lin[擾亂] 等，但不能從參數估計中計算。
我需要了解如何將參數估計表中的 p 值放入句子中，以及如何從同一個表中計算對數賠率，以便了解測試告訴我的內容。 我在下面附上了我的數據集以供更多理解。
數據探索和視覺化蘋果系統回覆：多項邏輯迴歸輸出解釋好的，我了解如何使用參數估計值。 現在我明白這個方程式是從哪裡來的了。 這很有幫助，謝謝你，我很感激。 我還將使用探查器進行更多探索。
回覆：多項邏輯迴歸輸出解釋不。 參數估計表根據真實參數等於零的原假設來測試每個估計值。 這就是它告訴你的一切。
您可以使用其他資訊來解釋這些效果的含義。 例如，預測刻畫器可讓您變更設定並查看每個回應等級的更新預測機率。 我沒有像你這樣的例子。 我使用 Big Class 並將標稱反應年齡與連續體重和身高預測變數進行擬合。 這是該模型的分析器：
您也可以保存機率公式。 JMP 保存線性預測變數、變換後的機率以及給定機率的最可能水平。 這是對數賠率的線性預測變數組。
這是第一個線性預測器的公式：
這些數字就是參數估計值。 下一組公式列將對數賠率轉換回機率：
這是第一次機率變換的公式：
最後，預測的反應等級是機率最高的反應等級：
回覆：多項邏輯迴歸輸出解釋我會嘗試重新提出我的問題。 當我有兩個、三個層級的效果和交互作用時，我需要幫助分解參數估計表。 例如，在術語列中，我有工具深度 (30 mm) 和顯著的 p 值。 這是否意味著與包含所有三種速度的 10 毫米深度的受干擾/不受干擾評分相比，包含 30 毫米深度的所有三種速度都顯著不同？ 此外，在術語列中，我的工具深度 30 mm*速度 1.1 m/s 顯示出顯著性。 這是否意味著速度為 1.1 m/s 時刀具深度為 30 mm 與刀具深度為 10 mm、速度為 0.89 時明顯不同。 m/s 表示受干擾/不受干擾的分數？ 我附上了一張顯示這張桌子的照片。
回覆：多項邏輯迴歸輸出解釋是的，我使用了「儲存機率公式」選項，我可以從中獲得對數賠率。 儘管如此，我想要關聯的 p 值與參數估計的對數賠率。
回覆：多項邏輯迴歸輸出解釋您是否嘗試將模型儲存為一系列公式？
