该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


多元方法 • 相关性和多元方法 • 计算和统计详细信息 • 估计方法
上一个
 • 
下一个
估计方法
REML
当数据包含缺失值时，与 ML（最大似然）估计方法相比，REML（限制最大似然）估计值的偏倚更小。REML 方法基于误差对比将边缘似然最大化。REML 方法经常用于估计方差和协方差。“主成分”平台中的 REML 方法与针对重复测量数据（具有非结构化协方差矩阵）使用的混合模型的 REML 估计相同。请参见 SAS PROC MIXED 文档，了解有关混合模型的 REML 估计。
稳健
该方法实际上通过极大地降低所有离群值的权重来忽略它们。使用以下权重执行一系列迭代再加权数据拟合：
若 Q < K，则 wi = 1.0；其他情况下 wi = K/Q
其中，K 是一个等于卡方分布的 0.75 分位数的常数，该分布的自由度等于数据表中的列数；并且
其中，yi = 第 i 个观测的响应，μ = 均值向量的当前估计值，S2 = 协方差矩阵的当前估计值，T = 转置矩阵运算。最后一步是减小方差矩阵的偏倚。
这是一个折衷方法：当数据中的离群值不多时，您可以得到较高的方差估计值；但当数据确实包含离群值时，您可以得到准确得多的方差估计值。