排序后的估计值
“排序后的估计值”选项可生成在筛选情形下使用的“参数估计值”报表版本。若设计不饱和，“排序后的估计值”报表提供“参数估计值”报表所显示的信息，但其中除截距之外的所有项都按照显著性的降序排列（Figure 3.21 中的第二个报表）。若设计是饱和的，则提供伪 t 检验。这些检验基于 Lenth 伪标准误差 (Lenth 1989)。请参见Lenth PSE。
“排序后的估计值”报表的示例
1. 选择帮助 > 样本数据库，然后打开 Reactor.jmp。
2. 选择分析 > 拟合模型。
3. 选择 Y 并点击 Y。
4. 确保 2 显示在靠近窗口底部附近的次数框中。
5. 选择 F、Ct、A、T 和 Cn，然后点击宏 > 析因次数。
6. 点击运行。
7. 点击“响应‘Y’”红色小三角并选择估计值 > 排序后的估计值。
图 3.21 排序后的参数估计值
若“重点”设置为“效应筛选”并且所有效应都只有一个参数，“排序后的参数估计值”报表也会自动显示。
请注意“参数估计值”报表与“排序后的参数估计值”报表之间的以下差异（两个报表均显示在Figure 3.21 中）：
• “排序后的参数估计值”报表不显示截距。
• 效应按照 t 比的绝对值排序，最显著的效应显示在顶部。
• 条形图显示 t 比，其中使用垂直线来显示 0.05 显著性水平的临界值。
饱和模型的“排序后的估计值”报表
筛选实验经常涉及完全饱和的模型，这种模型中没有足够的自由度来估计误差。在这些情况下，“排序后的估计值”报表（Figure 3.21）提供相对标准误差并使用 Lenth 伪标准误差 (PSE) 构造 t 比和 p 值。这些量的名称中标有伪。请参见Lenth PSE和伪 t 比。通过一条注释来解释更改并显示 PSE。
该报表包含以下列：
项
系数受关注的模型项。
估计值
参数估计值以排序后的顺序显示，最小的 p 值列在最前面。
相对标准误差
若剩余误差没有自由度，该报表将提供相对标准误差。通过将均方根误差设置为 1 来计算相对标准误差。
伪 t 比
估计值的 t 比，使用伪标准误差计算得到。Lenth PSE 的值显示在报表底部的注释中。
伪 p 值
使用误差自由度值 (DFE) 为 m/3 计算的 p 值，其中 m 是除截距之外的参数数目。DFE 的值显示在报表底部的注释中。
Lenth PSE
Lenth 伪标准误差 (PSE) 是 Lenth (1989) 提出的剩余误差的估计值。它基于效应稀疏原则：在筛选实验中，相对较少的效应是活跃的。不活跃效应表示随机噪声并构成 Lenth 估计值的基础。
按如下方式计算该值：
1. 考虑所有非截距参数的绝对值。
2. 删除绝对值超过绝对估计值中位数 3.75 倍的所有参数估计值。
3. 将剩余参数估计值的绝对值的中位数乘以 1.5。
伪 t 比
若相对标准误差相等，Lenth PSE 会显示在报表底部的注释中。伪 t 比计算如下：
若相对标准误差不等，则计算 TScale Lenth PSE。该值是估计值的 PSE 除以其相对标准误差的结果。伪 t 比计算如下：
请注意，要估计给定估计值的标准误差，需要对 TScale Lenth PSE 进行调整，将其乘以估计值的相对标准误差。
饱和模型示例
1. 选择帮助 > 样本数据库，然后打开 Reactor.jmp。
2. 选择分析 > 拟合模型。
3. 选择 Y 并点击 Y。
4. 选择以下五列：F、Ct、A、T 和 Cn。
5. 点击宏按钮并选择完全析因。
6. 点击运行。
7. 点击“响应‘Y’”红色小三角并选择估计值 > 排序后的估计值。
请注意，使用的 Lenth PSE 和自由度在报表底部提供。该报表指示：基于效应的伪 p 值，效应 Ct、Ct*T、T*Cn、T 和 Cn 高度显著。
图 3.22 饱和模型的“排序后的参数估计值”报表
