Ich erhalte Meldungen über verlorene DFs, voreingenommene und auf Null gesetzte Parameterschätzungen. Was bedeuten diese?Erster Beitrag hier, da ich relativ neu bei JMP bin.Ich habe versucht, einen 3-Wege-Effekttest in der Option „Modell anpassen“ durchzuführen und erhalte die Fehlermeldung „Verlorene DFs“.Auch Parameterschätzungen führen zu „voreingenommenen“ und „auf Null gesetzten“ Ergebnissen.Im Fit-Modell wähle ich grundsätzlich meine drei Effekte aus: Jahr (2013, 2014), Typ (Erbstück oder Standard) und Sorte (20 Sorten mit jeweils 4 Stichproben), wähle dann „Vollfaktoriell“ und führe dann die standardmäßigen kleinsten Quadrate aus wobei der Schwerpunkt auf der Wirkungshebelung liegt.Die Daten selbst bestehen aus 20 Bohnensorten mit unterschiedlichen Testergebnissen wie Ertrag, Höhe, Gewichte usw.... Wenn ich einen 2-Wege-Vorgang mit „year*type“ oder „year*variety“ ausführe, gibt es kein Problem, aber wenn ich den dritten Effekt hinzufüge, treten die Probleme auf ...Ich schätze, ich möchte einfach mehr über diese Fehler wissen und wenn es noch etwas gibt, was ich tun sollte, was ich nicht tue.
Betreff: DFs verloren?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Die Meldungen „voreingenommen“ und „null“ enthalten nützliche Informationen.Nehmen wir an, Ihr Modell enthält zwei Begriffe A und B (ich weiß, Sie betrachten 3-Wege-Interaktionen, aber das ist einfach einfacher zu erklären).Wenn die beiden Begriffe kollinear sind (aliasiert, korreliert, Terminologie frei wählen), können die Auswirkungen von A und B statistisch nicht unabhängig voneinander abgeschätzt werden.Dieses Problem kann gelöst werden, indem entweder A oder B (aber nicht beide) in das Modell aufgenommen werden.Tatsächlich ist es das, was JMP für Sie tut: Wenn es A in das Modell einfügt und B ausschließt, wird A als voreingenommen und B als auf Null gesetzt gekennzeichnet.
Betreff: DFs verloren?Ich würde empfehlen, dass Sie eine Reihe von Y-mal-X-Anpassungen für jede Variable durchführen und sehen, was die Ausgaben Ihnen geben. Bedenken Sie, dass je nach Datentyp (numerisch, kontinuierlich, zeichenhaft, nominal usw.) die ausgewählte Analyse, die durchgeführt wird, variieren kann und von Ihrem Datentyp abhängt.
Betreff: DFs verloren?Um nur das zu ergänzen, was Peter gesagt hat: Nach meiner Schätzung wird das vollständige Modell (für 2 * 2-Ebenen und 1 * 20-Ebenen) mit Achsenabschnitt, Haupteffekten, 2-Faktor-Wechselwirkungen und 3-Faktor-Wechselwirkungen 80 Parameter enthalten. Aus Ihrer Beschreibung geht hervor, dass Sie 80 Beobachtungen haben. Sie erhalten also ein gesättigtes Modell. Darüber hinaus ist es je nach Datendesign möglicherweise nicht möglich, einige dieser Parameter abzuschätzen, da bestimmte Kombinationen von Faktoreinstellungen nicht beobachtet wurden.
Betreff: DFs verloren?escheenstra: Aus Ihrem ursprünglichen Beitrag/Ihrer ursprünglichen Frage geht hervor, dass Sie ursprünglich versucht haben, die Subpersönlichkeit „Analysieren -> Modell anpassen -> Standard-Kleinste-Quadrate-Modell“ zu verwenden. Es gibt alternative regressionsbasierte Modellierungstechniken, die verwendet werden können, wenn Sie nicht über ausreichende Freiheitsgrade verfügen, um alle Terme zu schätzen, die Sie auf diesem Weg schätzen möchten, und die möglicherweise dennoch die ultimativen Antworten auf die praktischen Fragen liefern Hand. Beispielsweise ist die Methode der partiellen kleinsten Quadrate eine Technik, die sich gut für das breite und flache Problem eignet. Wenn Sie JMP Pro verwenden, sollten Sie sich auf jeden Fall die Persönlichkeit „Generalisierte Regression“ ansehen.
Betreff: DFs verloren?Vielen Dank für die Hilfe, ich werde das auf jeden Fall überprüfen.Es hört sich nicht so an, als wäre die Ausführung dieses Modells mit meinem aktuellen Datensatz so, wie er ist, möglich, es sei denn, es gibt andere Einstellungen oder Optionen, die eine Art „Workaround“ bieten.
Betreff: DFs verloren?Grundsätzlich denke ich, dass das, was passiert, wenn Sie die „voreingenommenen“ und „auf Null gesetzten“ Ergebnisse sehen, darin besteht, dass Sie mehr Terme im Modell angeben, als Sie über ausreichende Freiheitsgrade zur Schätzung verfügen. JMP gibt Ihnen also diese Meldungen ... eine Art sanfte Erinnerung, um sicherzustellen, dass das von Ihnen angegebene Modell tatsächlich anhand der von Ihnen gesammelten Daten geschätzt werden kann. Vielleicht möchten Sie sich das JMP-Hilfebuch „Fitting Linear Models“ ansehen, das diesem sehr umfassenden Thema gewidmet ist.
