|
•
|
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。
|
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”。
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。
当存在误差自由度时显示。提供变换估计值的 t 比。
图 3.43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。
图 3.43 针对相等方差和不相关估计值的“效应筛选”报表
在 Odor.jmp 样本数据表中，运行“模型”脚本并点击运行。要创建图 3.44所示的报表，从“响应‘Y’”红色小三角菜单中选择效应筛选 > 正态图。您也可以通过选择“响应‘Y’”红色小三角菜单中的“Bayes 图”或“Pareto 图”选项创建该报表。
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。
图 3.44 针对不等方差和相关估计值的“效应筛选”报表
仅当估计值相关时，才会显示“估计值的相关性”报表（图 3.44）。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。详细信息，请参见估计值的相关性。