发布日期: 08/07/2020

图选项

“正态图”、“Bayes 图”和“Pareto 图”选项提供作为“效应筛选”报表一部分显示的报表。可以构造这些报表,使其能够针对估计值之间的不等方差和相关性进行校正。

注意:“正态图”、“Bayes 图”和“Pareto 图”选项要求您的模型至少涉及四个参数。其中一个可以是截距。

变换

选择任意图选项后,以下信息将显示在“效应筛选”报表标题正下方:

若估计值具有相等方差且不相关,将显示以下两条注释:

参数估计值的方差相等。

参数估计值彼此不相关。

若估计值具有不等方差或相关,则选项列表将取代有关注释。默认选定的列表项显示 JMP 已经变换估计值。若您想要撤销其中一个变换或两个变换全部撤销,请选择相应的列表项。

Lenth PSE 值

Lenth PSE(伪标准误差)表显示在注释或选项列表的正下方。(有关 PSE 的说明,请参见Lenth PSE。)Lenth 表中所显示的统计量取决于参数估计值的方差和相关性。

当参数估计值具有不等方差并且不相关时,Lenth 表提供以下统计量:

Lenth PSE

估计值的 Lenth 伪标准误差。

当参数估计值具有不等方差并且/或者相关时,Lenth 表提供以下统计量:

t 检验尺度 Lenth PSE

将为变换参数估计值计算的 Lenth 伪标准误差除以其采用变换尺度的标准误差计算得出。

编码尺度 Lenth PSE

变换参数估计值的 Lenth 伪标准误差。

“参数估计值总体”报表

“参数估计值总体”报表提供参数估计值的检验。这些检验基于选项列表中指定的变换。

选项使用标准化成方差相等的估计值应用归一化变换以使方差标准化。方差不等时默认选定该选项。

选项使用正交化成不相关的估计值应用变换以删除相关性。估计值相关时默认选定该选项。应用的变换等同于计算序贯平方和时所用的变换。在一个变量之前的所有变量输入模型后,这些估计值可测量这个变量的额外贡献。

若注释指示估计值具有相等方差且不相关,则不应用任何变换。

表中显示的列取决于最初在注释或选项列表中说明的选项。该报表突出显示与 p 值小于等于 0.20 的估计值对应的所有行。报表的所有版本都提供“项”、“估计值”,以及“t 比”和“概率>|t|”或“伪 t 比”和“伪 p 值”。

提供其参数估计值受关注的模型项。

估计值

提供参数的估计值。仅当模型效应具有相同的尺度时,才可以比较估计值大小。

t 比

当存在误差自由度时显示。该值是参数估计值除以其标准误差之后的结果。

概率>|t|

提供检验的 p 值。若应用了变换,该选项将提供使用变换数据进行检验的 p 值。

伪 t 比

当不存在误差自由度时显示。若参数的相对标准误差相等,“伪 t 比”是参数估计值除以 Lenth PSE 之后的结果。若相对标准误差不等,则按伪 t 比所示计算。

伪 p 值

当不存在误差自由度时显示。p 值使用 t 分布生成。自由度为 m/3,舍入到最接近的整数,其中 m 是参数个数。

若选定使用标准化成方差相等的估计值并且有注释表明参数估计值不相关,该报表将显示名为“标准化估计值”的一列。该列提供的参数估计值来自于使估计值具有相等方差所用的变换。

若同时选定使用标准化成方差相等的估计值使用正交化成不相关的估计值,该报表将提供名为“正交编码”的列。提供以下信息:

正交编码

提供使估计值正交化所用的变换生成的参数估计值。

正交 t 比

当存在误差自由度时显示。提供变换估计值的 t 比。

伪正交 t 比

当不存在误差自由度时显示。它是用正交化(即通过正交编码)后的估计值除以“编码尺度 Lenth PSE”计算得出的 t 比。

“效应筛选”报表

针对相等方差和不相关估计值的“效应筛选”报表 显示了您通过运行 Bicycle.jmp 样本数据表中的“拟合模型”脚本创建的“效应筛选”报表。请注意,您需要选择效应筛选 > 正态图才能获取该格式的报表。报表标题正下方的注释指示不需要任何变换。因此,显示了 Lenth PSE。由于没有误差自由度,所以无法构造剩余误差的估计值。出于上述原因,Lenth PSE 用作剩余误差估计值以获取伪 t 比。为这些 t 比提供了伪 p 值。与 p 值小于等于 0.20 的三个估计值对应的非截距项行将突出显示。

针对相等方差和不相关估计值的“效应筛选”报表 

针对不等方差和相关估计值的“效应筛选”报表

Odor.jmp 样本数据表中,运行“模型”脚本并点击运行。要创建针对不等方差和相关估计值的“效应筛选”报表 所示的报表,点击“响应‘Y’”红色小三角并选择效应筛选 > 正态图。您也可以通过点击“响应‘Y’”红色小三角并选择“Bayes 图”或“Pareto 图”选项创建该报表。

报表标题正下方的注释指示需要通过变换来标准化和正交化估计值。相关性矩阵显示在“估计值的相关性”报表中。

该报表显示“t 检验尺度”和“编码尺度”Lenth PSE。但是,由于存在误差自由度,“参数估计值总体”报表中的检验未使用 Lenth PSE。与 p 值小于等于 0.20 的三个估计值对应的非截距项行将突出显示。“参数估计值总体”报表底部的注释指示正交化估计值依赖于其输入模型的顺序。

针对不等方差和相关估计值的“效应筛选”报表 

“估计值的相关性”报表

仅当估计值相关时,才会显示“估计值的相关性”报表(针对不等方差和相关估计值的“效应筛选”报表)。该报表提供参数估计值的相关性矩阵。该矩阵类似于您通过选择“估计值”>“估计值的相关性”红色小三角选项获取的矩阵。不过,为提供更紧凑的表示,该报表未显示列标题。请参见估计值的相关性

“使估计值不相关的变换”报表

仅当估计值相关时,“使估计值不相关的变换”报表才显示。该报表提供用于变换设计矩阵以生成不相关参数估计值的矩阵。通过用该矩阵预先乘以原始估计值并将结果除以 2,可以获取变换的或正交编码的估计值。

可以使用 Cholesky 分解获取变换矩阵。将 X´X 表示为 LL´,其中 L 是 Cholesky 分解中的下三角矩阵。随后可通过 L´ 提供变换矩阵。

该变换按照模型项的顺序,使每个回归变量与其之前的回归变量标准化正交。变换生成包含相等对角线元素的对角协方差矩阵。编码估计值是该迭代过程的结果。

注意:正交编码估计值依赖于模型项的顺序。仅在每个效应与其之前输入的效应正交后,才会估计每个效应的贡献。考虑先输入主效应,随后是双因子交互作用,然后是三因子交互作用,依此类推。

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