Fit Model Platformにおける因子コーディング規則に関する質問こんにちは、コミュニティの皆様
システムの名義因子と連続因子の両方の寄与を分析するために、Fit Model を実行しています。JMP と Python では、パラメータ推定値 (および有意性) が異なります。これは、名義因子のエンコード方法 (効果コーディング (JMP のデフォルト) とダミー コーディング (Python のデフォルト)) に関係している可能性があると理解しています。2 つの規則を切り替える方法を選択するためのパスを見つけようとしていますが、見つかりません。一部のオンライン ガイダンスでは、Fit Model プラットフォームを起動したときの列情報またはモデル効果ボックスのオプションについて言及されていますが、どこにも見つかりません。Python と JMP の結果は似ていますが、異なります。1) 採用する最適な規則を選択し、2) それを JMP で実行できるようにする理由と方法を理解しようとしています。ここのデータセットは、分析しようとしているものの縮小例です。効率に対するさまざまなパラメータの影響を理解しようとしており、充填量 (2 つのレベル) と濃度 (範囲) の影響の理解に重点を置いています。
JMP19を使用しています。
前もって感謝します ！
クリス
基本的なデータ分析とモデリングデータの探索と可視化フィットモデルプラットフォームにおける因子コーディング規約に関する質問こんにちは@ClusterFerret68さん、
名目因子のエンコードについては、次の議論で説明が見つかると思います。
同じ重回帰分析を使用したパラメータ推定値の違い。
DOE分析が回帰分析におけるカテゴリ因子をどのように扱うか
ステップワイズ回帰における変数名の横に{0-1}を付したダミー変数の解釈
JMP では、回帰モデルのカテゴリ変数のパラメータ化をどのように調整しますか?
これらの議論で答えが見つかることを願っています。
フィットモデルプラットフォームにおける因子コーディング規約に関する質問適合しようとしているモデルのスクリプトまたは説明が含まれていませんでした。
Python が「ダミー」変数コーディングを使用している場合、フィットリーススクエアレポートの「指標パラメータ化」推定値を比較対象とする必要がある可能性があります。https 
/www.jmp.com/support/help/en/19.0/index.shtml#page/jmp/indicator-parameterization-estimates.shtml%23を参照してください。
フィットモデルプラットフォームにおける因子コーディング規約に関する質問まず、名目予測子と連続予測子のパラメータ化の説明については、オンライン ドキュメントの統計詳細セクションを必ずお読みください。
様々なパラメータ化があり、どれも妥当なものです。それぞれ、効果やパラメータ推定値の検定に関する異なる考え方を表しています。JMPは効果コーディングを使用します。そのため、パラメータは特定の水準における最小二乗平均と全体平均の差を表します。つまり、推定値が-3.5ということは、この水準における応答が平均応答よりも3.5単位低いことを意味します。
