广义回归和拟合最小二乘平台之间的效应检验差异我使用的是 JMP Pro 18.2.2，并注意到当存在交互项时，广义回归平台和拟合最小二乘（以及 JMP 中的所有其他平台）之间的效应检验表存在显著差异。即使设计完全平衡，情况也是如此。广义回归平台生成的平方和取决于因子的参数化。如果水平顺序发生变化，效应检验表也会发生变化。我在附加的 JSL 文件中说明了这个问题。拟合最小二乘生成的平方和表与 SAS 和其他常用统计软件（例如 Stata、SPSS 等）相同，但广义回归平台生成的平方和表与使用 car 包和 LM III 型平方和以及默认效应参数化的 R 生成的平方和表相同。
请注意，这并不是一个微小的差异，主要影响的结论可能会发生变化。
SAS 是否有任何文档或白皮书可以解释这一点？
请参阅附件的 JSL 文件，其中使用 JMP 爆米花数据集说明了我的担忧。
基础数据分析与建模实验设计回复：广义回归和拟合最小二乘平台之间的效果检验差异你好@GUhartel ，
欢迎加入社区！
这两个建模平台之间的差异与这些平台对名义（分类）变量的不同编码方式有关： 名义因子和名义效应编码的统计细节
总而言之，分类效应的估计值不同，因为名义变量的编码不同，所以估计值代表不同的假设。据我理解，这两种名义效应编码之间的区别在于，如果您希望通过将每个水平与一个特定水平进行比较来评估名义因子的水平，那么广义回归的名义编码可能更合适。您可以使用列属性“值顺序”来指定所需的顺序，以适合您的研究设计。因子的最后一个水平将用于与所有其他水平进行比较。
但是当您想知道每个级别如何影响所有级别计算的平均响应时，拟合模型平台的标准最小二乘法可能更有用。
您可以在这里阅读我之前对这些主题的回复： DOE 分析如何处理回归分析和随机效应检验中的分类因子
希望这个答案能对你有所帮助，
回复：广义回归和拟合最小二乘平台之间的效果检验差异我理解不同平台对虚拟变量的编码方式不同（参见http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/11_winter_2003.pdf ）。SAS GLM 也使用指标参数化，但这不会影响 3 型 SS 方差分析表，只会影响参数估计值；而在广义回归平台中，方差分析表也会发生变化。这可能会让一些人感到意外，或许值得发出警告。
