關於「擬合模型平台」中因子編碼約定的問題大家好，
我正在運行擬合模型來分析系統中名義因子和連續因子的貢獻。我在 JMP 和 Python 之間獲得了不同的參數估計值（和顯著性）。我知道這可能與名義因子的編碼方式有關（效果編碼（JMP 中的預設設定）與虛擬編碼（Python 中的預設設定）。我一直在嘗試尋找一種方法來選擇如何在兩種約定之間切換，但卻一無所獲。一些在線指南提到，當我啟動擬合模型平台時，可以在列資訊或模型效果框中找到該選項：但我如何試圖找到它如何在任何地方找到它以及如何相似的模型效果框。 1) 選擇採用最佳約定，以及 2) 能夠在 JMP 中執行它。這裡的資料集是我想要分析的一個簡化範例…試圖了解不同參數對效率的影響，重點是了解填充量（兩個等級）和濃度（範圍）的影響。
我正在使用 JMP19。
提前致謝 ！
克里斯
基本資料分析與建模數據探索與視覺化回覆：關於 Fit Model Platform 中的因子編碼約定的問題你好@ClusterFerret68 ，
我認為您可能會在以下討論中找到一些有關名義因素編碼的解釋：
使用相同的多元迴歸分析，參數估計有差異。
DOE 分析如何處理迴歸分析中的分類因素
逐步迴歸中變數名旁邊帶有 {0-1} 的虛擬變數的解釋
在 JMP 中，如何調整迴歸模型中分類變數的參數化？
希望你能在這些討論中找到答案，
回覆：關於 Fit Model Platform 中的因子編碼約定的問題您沒有包含您嘗試擬合的模型的腳本或描述。
如果 Python 使用「虛擬」變數編碼，「擬合優度平方」報表中的「指標參數化」估計值很可能就是您要比較的物件。請參閱https://www.jmp.com/support/help/en/19.0/index.shtml#page/jmp/indicator-parameterization-estimates.shtml%23
回覆：關於 Fit Model Platform 中的因子編碼約定的問題首先，請務必閱讀線上文件的統計細節部分，以了解名目和連續預測變數的參數化的解釋。
參數化方法有很多種，它們都是合理的。它們代表了對效應和參數估計檢定的不同思考方式。 JMP 使用效應編碼。因此，這些參數表示給定水準的最小平方法平均值與總體平均值的差值。因此，估計值為 -3.5 表示在此水準下響應比平均響應低 3.5 個單位。
