拟合线性模型 > 广义回归模型 > 模型拟合报表 > 原始预测变量的参数估计值
发布日期: 11/15/2021

Image shown here原始预测变量的参数估计值

“原始预测变量的参数估计值”报表提供模型中所有参数的估计值和其他结果。初始表包括模型中的预测变量的系数。另有一个附加表包括尺度、散度或零泛滥参数之类的其他模型参数。请参见分布。两个表都包括相同的结果列。

提示:您可以点击“原始预测变量的参数估计值”报表中的项来突出显示“解路径”图中的相应路径。同时选定数据表中的对应列。这在运行进一步的分析时很有用。按 Shift 键并点击各项以选择多行。

“原始预测变量的参数估计值”报表给出用原始(未中心化和统一尺度的)预测变量表示的模型的参数估计值。

该报表提供以下信息:

模型项的列表。对于使用“高级控件”选项强制进入模型的任何项,其旁边会显示“强制进入”。

估计值

对应于用原始测量值表示的模型项的参数估计值。

标准误差

估计值的标准误差。这是使用 M 估计和夹层公式(Zou 2006 和 Huber and Ronchetti 2009)得到的。

Wald 卡方

用于检验参数是否为 0 的 Wald 检验的卡方值。

概率 > 卡方

Wald 检验的 p 值。

95% 下限

参数的 95% 置信区间的下限。通过从“模型规格”红色小三角菜单中选择“设置 Alpha 水平”,您可以在“拟合模型”窗口中更改 α 水平。

95% 上限

参数的 95% 置信区间的上限。通过从“模型规格”红色小三角菜单中选择“设置 Alpha 水平”,您可以在“拟合模型”窗口中更改 α 水平。

奇异性详细信息

(仅当模型项之间存在线性相依性时可用。)模型项所满足的线性函数。

VIF

(仅当分布为“正态”时才可用。)仅当您在参数估计值表中右击并选择“列”>“VIF”时才显示。)显示模型中每个项的方差膨胀因子 (VIF)。高 VIF 值指示模型中的项存在共线性问题。

i 个项 xi 的 VIF 计算如下:

Equation shown here

其中,Ri 2 是作为其他解释变量函数的 xi 的回归的 R 方。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).