Lost DF、Biased および Zeroed パラメータ推定メッセージを受信しています。これは何を意味しますか?私は JMP に比較的慣れていないため、ここに初めて投稿します。モデルの適合オプションで 3 ウェイ効果テストを実行しようとしましたが、「DF が失われました」というエラーが表示されます。また、パラメータ推定では「偏った」結果と「ゼロ化された」結果が得られます。適合モデルでは、基本的に、年 (2013、2014)、タイプ (家宝または標準)、品種 (それぞれ 4 つのサンプルを持つ 20 品種) の 3 つの効果を選択し、次に「完全階乗」を選択して、標準の最小二乗法を実行します。効果のレバレッジを強調して選択します。データ自体は、収量、高さ、重量などの異なる検査結果を持つ 20 種類の豆で構成されています。 year*type または year*variety で 2-way を実行する場合は問題ありませんが、3 番目の効果を追加すると問題が発生します...私は単にこれらのエラーについてもっと知りたいだけであり、他にやるべきことがあれば、やっていないのだと思います。
Re: DFがいなくなった？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />「バイアスされた」メッセージと「ゼロ化された」メッセージには有益な情報が含まれています。モデル A と B に 2 つの項があるとします (3 方向の交互作用を調べていることはわかっていますが、これは説明が簡単なだけです)。2 つの項が共線的である場合 (別名、相関関係、用語を選択してください)、統計的に A と B の効果を互いに独立して推定することはできません。この問題は、A または B (両方ではなく) をモデルに入れることで解決できます。事実上、これは JMP が行っていることです。モデルに A を入れて B を除外すると、A はバイアス付きとしてラベル付けされ、B はゼロ付きとしてラベル付けされます。
Re: DFがいなくなった？各変数に対して一連の Y x X フィットを実行し、出力が何を示すかを確認することをお勧めします。 データ タイプ (数値、連続、文字...公称など) に応じて、実行される選択された分析が異なり、データ タイプに応じて異なることに留意してください。
Re: DFがいなくなった？Peter の言ったことに付け加えると、私の計算によると、切片、主効果、2 因子交互作用、および 3 因子交互作用を含む完全なモデル (2 * 2 レベルおよび 1 * 20 レベルの場合) には 80 個のパラメーターが含まれます。 あなたの説明によると、80 件の観察があるようです。 したがって、飽和したモデルが得られます。 さらに、データの設計方法によっては、因子設定の特定の組み合わせが観察されなかったため、これらのパラメーターの一部を推定できない場合があります。
Re: DFがいなくなった？escheenstra: 元の投稿/質問からすると、最初は [分析] -> [モデルの適合] -> [標準最小二乗法] モデリング サブパーソナリティを使用しようとしたようですね。 そのパスに基づいて推定したいすべての項を推定するのに十分な自由度がない場合に使用できる、代替の回帰ベースのモデリング手法があり、実用的な質問に対する最終的な答えが得られる可能性があります。手。 たとえば、部分最小二乗法は広く浅い問題に適した手法です...または、JMP Pro を実行している場合は、一般化回帰のパーソナリティをぜひチェックしてください。
Re: DFがいなくなった？助けてくれてありがとう、必ず確認します。何らかの「回避策」を提供する他の設定やオプションがない限り、現在のデータセットをそのまま使用してそのモデルを実行することは可能ではないようです。
Re: DFがいなくなった？基本的に、「偏った」結果や「ゼロ化された」結果を見たときに何が起こっているのかというと、推定するのに十分な自由度を超える数の項をモデル内に指定していることだと思います。 したがって、JMP はこれらのメッセージを表示します...指定しているモデルが収集したデータによって実際に推定できることを保証するための、ある種の優しい注意喚起です。 この非常に広範なトピックに特化した JMP ヘルプ ブック「Fitting Linear Models」をチェックしてみてください。
