多元检验的统计详细信息

在下文中，E 是残差叉积矩阵，H 是模型叉积矩阵。E 的对角线元素是每个变量的残差平方和。H 的对角线元素是每个变量的模型平方和。在判别分析文献中，E 通常称为 W，其中 W 表示组内。

多元结果表中的检验统计量是 的特征值 l 的函数。以下列表说明了每个检验统计量的计算。

注意：在指定响应设计后，将初始 E 和 H 矩阵用 M′ 自左乘，然后用 M 自右乘。

• Wilks Lambda

• Pillai 迹

• Hotelling-Lawley 迹

• Roy 最大根

， 的最大特征值。

E 和 H 定义如下：

其中 b 是模型系数的估计向量，A- 表示矩阵 A 的广义逆。

整体模型 L 是与以下单位矩阵拼接而成的零列（用于截距）：该矩阵的行数和列数与模型中的参数数目相等。效应的 L 矩阵是整体模型 L 矩阵的行的子集。

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