参数估计被归零我正在尝试分析我创建的一个实验，但在理解参数估计方面遇到了一些困难。
根据我选择分析的交互作用（由于这是一个部分因子设计，因此我只选择了最多 2 向交互作用），参数估计值要么不稳定，要么为零，在某些其他情况下为空。我希望能够澄清为什么会出现这种情况以及它意味着什么。
下面我附上了一张截图。
我目前在 Windows 上使用 JMP 17
基础数据分析与建模数据探索与可视化实验设计回复：参数估计被归零你好@MedianPuppy4982 ，
我建议您阅读与您的问题相关的 JMP 帮助部分： 模型项之间具有线性依赖关系的模型 (jmp.com)
您的问题是论坛中经常出现的问题。您可以查看之前回答过的帖子：
双向方差分析的 LostDF
我收到了丢失的 DF、有偏差和归零参数估计消息，它们是什么意思？
基本上，您应该检查“奇点”面板，您将看到模型中的某些术语是如何链接/相关的。
- 如果某些项完全相关（混淆），那么 JMP 将无法区分它们并在模型中独立使用它们，从而导致“归零”结果。
- 如果某些项彼此相关，则它们的估计值会有偏差，因为它们不是独立的。这种现象称为多重共线性，导致估计值有偏差和置信区间膨胀。
- 最后，您可能还引入了比可用的唯一观察/实验数量更多的术语，因此这可能会在某些术语之间产生线性相关性，使得它们要么无法独立估计（“归零”或空），要么难以独立估计（“有偏差”）。
希望这个回答能帮到你，
编辑：对于“不稳定”项，请查看估计值和标准差。缺乏数据来精确估计这些项（以及如此多的项），导致方差非常大。尝试改进您的模型或测试其他（更简单的）模型。
回复：参数估计被归零我先开始，但希望有更好统计学背景的人能准确说出“不稳定”的含义。我经常看到这样的模型输出，尤其是具有许多名义变量和交互作用的模型。我认为问题在于许多组合在很大程度上是多余的（在零预测变量的情况下是完全多余的）。直观地说，这些组合非常罕见，以至于模型中的其他变量使这些组合变得不必要——它们实际上不会增加模型的预测能力（也可以从非常大的 p 值中看出）。然而，我从来没有准确理解数学意义上的“不稳定”的含义。
回复：参数估计被归零@Victor_G非常感谢您的回复！
我实际上想跟进奇点面板。我浏览了其他帖子，有些回复说除非添加数据不支持的模型，否则不会显示奇点细节。我还看到它出现在 Fit Lease Square 报告中，但所有因素都是分类的，所以我们必须运行名义逻辑。我只是想再确认一下这是否意味着我不会看到奇点面板。
有没有其他方法可以在没有它的情况下检查这种相关性？
回复：参数估计被归零@statman
感谢您的答复！
我以为只有三个观测值，自由度就只有 2 个。为了尝试一下，我将 DF 增加到 3，但奇点面板仍然没有出现，VIF 的测量值也没有任何变化。
回复：参数估计被归零抱歉，但我不明白您的情况。DF 是数据集中可用的独立比较数量的函数。它取决于数据收集方式。您不能只是编造 DF。可用的 DF 以及您如何将它们分配给模型将影响奇点。
回复：参数估计被归零这是一个具有 10 个自由度的 DOE：
我可以复制该设计，再增加 10 次运行，将 DF 加倍至 20。但是，我只能估计斜率和截距。
如果我尝试估计 X1 的二次项，我会得到奇异性，因为数据不支持估计这种效应：
您需要在设计矩阵中结合足够的 DF 和正确的水平来支持模型矩阵进行估计。使用 DOE 可确保您能够估计指定模型中的所有项。临时数据收集无法提供这样的保证。
回复：参数估计被归零@Mark_Bailey非常感谢你的澄清，这真的很有帮助
