打开 Singularity.jmp 样本数据表。其中包含一个响应 Y,四个预测变量 X1、X2、X3 和 A 以及五个观测。除了 A 是具有四个水平的名义型预测变量之外,其余预测变量都是连续的。还请注意:这些连续效应之间具有线性相依性,也就是说,X3 = X1 + X2。
1.
|
2.
|
3.
|
点击运行并保持报表窗口打开。
|
4.
|
5.
|
点击运行并保持报表窗口打开。
|
现在比较两个模型的“参数估计值”报表。举例来说,请注意“模型 1”的 X1 的估计值为 –1.25,而“模型 2”的该值为 2.75。在这两个模型中,仅估计了与效应关联的两个项,因为只有两个模型自由度。请参见“方差分析”报表。估计的两个项的估计值标记为“有偏”,而其余估计值设置为 0 并标记为“清零”。
图 3.66 模型 1(左)和模型 2(右)的“拟合最小二乘法”报表
1.
|
2.
|
点击分析 > 拟合模型。
|
3.
|
4.
|
5.
|
6.
|
点击运行。
|
报表各部分显示在图 3.67中。“奇异性详细信息”报表显示存在涉及到 X1 和效应 A 所关联的三个项的线性相依性。(有关如何对名义型效应编码的详细信息,请参见“定制检验”示例的详细信息)。“方差分析”报表显示有三个模型自由度。“参数估计值”报表为 X1、A[a] 和 A[b] 这三个项显示了“有偏”估计值,为第四个项 A[c] 显示了“清零”估计值。
“效应检验”报表显示无法检验 X1,因为必须首先输入 A,A 解释三个模型自由度。不过,可以检验 A,但仅有两个自由度。(必须首先输入 X1,它解释其中一个模型自由度。)针对 A 的检验是不完整的,所以必须谨慎解释它。
图 3.67 包含 X1 和 A 的模型的“拟合最小二乘法”报表