測試兩個預測（透過多元迴歸模型）是否顯著不同我正在 JMP 16 中開發一個多元線性回歸模型，嘗試根據以下內容預測中風患者的臨床結果（以稱為「出院 mRS 」的數字量表的形式）：
- 1 個連續預測因子（入院時 NIHSS ，用於衡量入院時中風嚴重程度）
- 1 個分類預測因子（ EVT 計時，這是中風患者可能接受的治療），可以具有以下 3 個值中的任一個：
- 1 = 到達醫院後立即進行 EVT（治療）
- 2 = EVT 在延遲後進行
- 0 =未進行 EVT
- 交互項（入院時的 NIHSS * EVT 時間）
這就是模型現在在 JMP 中的樣子：
我的問題/問題是:
對於入院時 NIHSS的任何給定值，我想計算如果患者立即接受 EVT （即EVT 時間 = 1 ）與患者之間的預測平均結果（基於此模型）是否會顯著不同（帶有 p 值）沒有EVT （即EVT 計時 = 0 ） - 也就是說，在分類預測變數的 2 個不同值之間。
JMP中有什麼方法可以進行這種分析嗎？
（從概念上講，我的目標是能夠以臨床上有用的方式利用該模型中的 2 個預測因子，例如希望該模型可以幫助我們決定哪些患者（在本例中，根據中風的嚴重程度）應該是否給予治療，已預測所述治療的結果。
感謝您的幫忙！
基礎資料分析與建模視窗回覆：測試兩個預測（透過多元迴歸模型）是否顯著不同嗨@MRB3855 ，
太感謝了！我認為它有效。顯然，我自己沒有（不知道如何）進行數學計算來確認測試的輸出，但自訂測試的預測值現在與我的模型相匹配，並且測試輸出有意義。
真的很感謝您的幫忙！
回覆：測試兩個預測（透過多元迴歸模型）是否顯著不同嗨@broccoli ：抱歉，我犯了一個錯誤。請參閱下面的時間 = 24 時的預測（對於我的數據）。對於互動術語，您需要輸入（入院時的 NIHSS - 14.7059）。因此，如果您想在 NIHSS 入院時進行預測=20，則必須在此輸入 20-14.7059 = 5.2941 進行互動。
而對於未列出的批次（我有四個批次），必須如下進行參數化。
我知道，看起來很奇怪；這是因為 JMP 參數化模型的方式。
https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#
並且，不可測試的對比是指輸出底部的平方和，提供所有對比（列）的組合測試。在這種情況下它是沒有意義的，因為對比不是正交的（非正式地，這可以被認為是獨立的）。然而，三個對比中每一個的測試都是有效且正確的。
有關正交性的更多信息，請參見此處。 https://stats.stackexchange.com/questions/171324/what-is-the-relationship- Between-orthogonal-correlation-and-independence
回覆：測試兩個預測（透過多元迴歸模型）是否顯著不同嗨@broccoli，你忘記了截距（在前兩列中輸入 1）。
您確定入院時的 NIHSS 並不重要嗎？
編輯：嗯，當存在涉及協變量的交互項時，我不太確定它是否按我的預期工作。
敬請關注。
回覆：測試兩個預測（透過多元迴歸模型）是否顯著不同您好@MRB3855 ，我嘗試為此目的設定自訂測試，但似乎無法正確執行。
例如，在下圖中，我嘗試比較EVT Timing = 0 （在第 1 列）與EVT Timing = 1 （在第 2 列），以及入院時 NIHSS = 0 。
測試輸出前兩列的「值」行中列出的數字（ 1.467和2.100 ）不等於我的模型在這兩個條件下預測的值（分別為0.0563和3.568 - 請參閱下面的預測刻畫器） 。
同樣，當我嘗試在入院 = 20時使用 NIHSS重複此自訂測試（如下）時，輸出值的前兩列（ 2.329和2.962 ）再次與我的模型的預測不匹配（分別為5.105和5.089 ）。
我在這裡缺少什麼？顯然，這是至關重要的，因為測試“結果” - 如果我理解正確的話，應該在第三個輸出列中列出（值預測、標準誤差、 t Ratio 、 p-value和SS的差異） -無論我在入院時設定 NIHSS是什麼，似乎都是完全相同的（絕對不應該是這樣）。
抱歉給您帶來麻煩，再次感謝！
ps 作為旁注，「警告：不可測試的對比」是什麼意思？
回覆：測試兩個預測（透過多元迴歸模型）是否顯著不同嗨@broccoli ：是的，這是可以做到的。按一下輸出頂部的紅色三角形，然後選擇估計/自訂測試（如下圖所示）。這是一個例子。
自訂測試範例 (jmp.com)
但這可能很棘手……看一下，如果需要幫助就回來。您需要新增兩列。然後為感興趣的 EVT 計時（和交互）輸入 1，並在前兩列中選擇您感興趣的入院時 NIHSS 的任何值。那麼第三列就是前兩行之間的差。
以下範例比較了時間 = 3.14（第一列 101.2）時的批次 1_11 和時間 = 3.14（第二列 101.4）時的批次 3_13 的預測。第三列是預測差異（-0.202，p 值 0.6758）。
