参数单位

参数β0的单位与Y值（结果变量）的单位相同。

其他最佳拟合参数的单位是Y变量的单位除以相应X变量的单位。

再次考虑该示例模型：

血压~截距+年龄+体重+性别

以及其数学格式：

血压=β0+β1*年龄+β2*体重+β3*性别[男性]

对于该模型，β0是模型截距的估计值，并以Y变量单位（即mmHg）表示。所有连续预测变量均为零且所有分类预测变量均设置为其参考级别时，该值是Y的预测值。对于此示例（以及许多其他示例），这有点愚蠢，因为该值将是年龄=0和体重=0的女性的平均血压（假设性别的参考级别为“女性”）！在此情况下，最好将该值视为模型中的常数。

如果测定体重的单位是kg，则β1的单位是mmHg/kg。这是体重每增加一千克，血压就会增加的平均量，根据年龄和性别的差异进行调整。

性别是无单位的分类预测变量。因此将男性编码为0，将女性编码为1。因此，β3的单位是mmHg。这是考虑到年龄和体重的差异之后，男女之间的平均血压差。

标准误差和置信区间

唯一能真正了解模型中参数的最佳拟合值的方式是，收集无限量的数据。由于无法做到这一点，所以，Prism报告的最佳拟合值在一定程度上，受到选择受试者随机变化率的影响。Prism将这种不确定性报告为每项参数的95%置信区间。这些考虑到研究的受试者人数，以及根据模型预测数据的散布。如果分析的假设真实可靠，则您可95%确定参数真正的最佳拟合值在该置信区间内。

Prism还显示了模型每项参数的标准误差。这些误差均难以解读，但可用于计算每个系数的t统计量和95%置信区间。Prism显示这些置信区间，旨在比较这一结果和其他程序的结果。