扩展后的估计值
处理参数估计值时，您必须了解 JMP 如何对名义型和有序型列编码。有关如何对名义型列编码的详细信息，请参见“定制检验”示例的详细信息。有关如何对有序型列编码和建模的详细信息，请参见名义型因子和有序型因子。
若模型中有名义型项并且您想要查看完整的一组估计值的详细信息，此时可使用“扩展后的估计值”选项。“扩展后的估计值”选项提供估计值、估计值的标准误差、t 比和 p 值。
“扩展后的估计值”报表的示例
1. 选择帮助 > 样本数据库，然后打开 Drug.jmp。
2. 选择分析 > 拟合模型。
3. 选择 y 并点击 Y。
4. 选择药物和 x，然后点击添加。
5. 点击运行。
6. 点击“响应‘Y’”红色小三角并选择估计值 > 扩展后的估计值。
“扩展后的估计值”报表随同“参数估计值”报表显示在图 3.23 中。请注意，项“药物[f]”的估计值显示在“扩展后的估计值”报表中。该检验的原假设为：药物 f 组的均值与总均值无差异。“药物[f]”的检验在 0.05 水平下显著，这表明药物 f 组的响应均值与总响应存在差异。请参见“扩展后的估计值”检验的解释。
图 3.23 “参数估计值”与“扩展后的估计值”的比较
“扩展后的估计值”检验的解释
假定模型由一个包含 n 个水平的名义型因子构成。该因子由 n-1 个指标变量表示，n-1 个水平中的每个水平都对应一个指标变量。与 n-1 个指标变量中的任意一个变量对应的参数估计值都是该水平的响应均值与所有水平的响应平均值之间的差值。这种表示形式是由于 JMP 对名义型变量编码的方式造成的（请参见“定制检验”示例的详细信息）。参数估计值通常解释为该水平的效应。
例如，在 Cholesterol.jmp 样本数据表中，考虑单个因子治疗和响应 6 月下午。与治疗[A] 这个项（或指标变量）关联的参数估计值是治疗 A 的 6 月下午的均值与 6 月下午的总均值之间的差值。
名义型变量所有水平的效应被限制为总和为零。考虑水平排序中的最后一个水平（也就是使用 –1s 编码的水平）的效应。该水平的效应是其他 n-1 个水平的效应之和的负数。由此判定：最后一个水平的效应是其他 n-1 个水平的参数估计值之和的负数。
“估计值”菜单中的“扩展后的估计值”选项计算缺失估计值、检验涉及名义型列的所有效应，并在文本报表中显示它们。您可以验证任意此类因子各水平的估计值的均值（或总和）为 0。特别是，该关系指示这些估计值及其关联检验彼此不独立。
在图 3.23 所示的 Drug.jmp 报表中，药物关联项的估计值基于包含协变量 x 的模型。
注意：
• “药物[a]”的估计值是药物 a 的最小二乘均值与 y 的总均值之间的差值。
• “药物[f]”的估计值（在“扩展后的估计值”报表中提供）是“药物[a]”与“药物[d]”的估计值之和的负数。
• “扩展后的估计值”报表中提供的“药物 [f]”的 t 检验用来检验药物 f 组的响应是否与响应总均值存在差异。
• 若高阶交互作用中涉及名义型因子，“扩展后的估计值”报表会很长。例如，二水平名义型因子的五因子交互作用仅生成一个参数估计值，但包含 25 = 32 个扩展效应，所有效应都相同，直到符号改变。