Recibo mensajes de estimación de parámetros de DF perdidos, sesgados y puestos a cero, ¿qué significan?Primera publicación aquí porque soy relativamente nuevo en JMP.He estado intentando ejecutar una prueba de efectos de 3 vías en la opción de ajuste de modelo y recibo errores que dicen "DF perdidos".Además, las estimaciones de parámetros dan resultados "sesgados" y "reducidos a cero".En el modelo de ajuste, básicamente estoy seleccionando mis 3 efectos, que son año (2013, 2014), tipo (reliquia o estándar) y variedad (20 variedades con 4 muestras cada una) y luego elijo "factorial completo" y luego ejecuto los mínimos cuadrados estándar. con efecto de apalancamiento seleccionado como énfasis.Los datos en sí constan de 20 variedades de frijol con diferentes resultados de pruebas como rendimiento, altura, peso, etc... Cuando ejecuto un 2-way con año*tipo o año*variedad no hay problema pero al agregar el tercer efecto es cuando ocurren los problemas...Supongo que solo quiero saber más sobre estos errores y si hay algo más que debería hacer y que no estoy haciendo.
Re: ¿DF perdidos?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hay información útil en los mensajes "sesgados" y "reducidos a cero".Digamos que hay dos términos en su modelo A y B (sé que está viendo interacciones de 3 vías, pero esto es más fácil de explicar).Si los 2 términos son colineales (alias, correlacionados, elija la terminología que elija), entonces estadísticamente los efectos de A y B no se pueden estimar independientemente uno del otro.Este problema se puede superar poniendo A o B (pero no ambos) en el modelo.Efectivamente, esto es lo que JMP está haciendo por usted: si coloca A en el modelo y excluye a B, entonces A se etiquetará como sesgado y B se etiquetará como puesto a cero.
Re: ¿DF perdidos?Le recomendaría que haga series de ajuste Y por X en cada una de las variables y vea qué le dan las salidas. Tenga en cuenta que dependiendo de su tipo de datos (numéricos, continuos, de caracteres...nominales, etc) el análisis seleccionado que se realizará variará y eso depende de su tipo de datos.
Re: ¿DF perdidos?Solo para agregar a lo que dijo Peter, según mis cálculos, el modelo completo (para 2 * 2 niveles y 1 * 20 niveles) con intercepción, efectos principales, interacciones de 2 factores e interacciones de 3 factores tendrá 80 parámetros. Según su descripción, parece que tiene 80 observaciones. Entonces tendrás un modelo saturado. Además, dependiendo de cómo se diseñaron los datos, es posible que no sea posible estimar algunos de estos parámetros porque no se observaron ciertas combinaciones de configuraciones de factores.
Re: ¿DF perdidos?escheenstra: Según su publicación/pregunta original, parece que inicialmente intentó utilizar la subpersonalidad de modelado Analizar -> Ajustar modelo -> Mínimos cuadrados estándar. Existen técnicas alternativas de modelado basadas en regresión que se pueden utilizar cuando no se tiene el lujo de contar con suficientes grados de libertad para estimar todos los términos que se desean estimar bajo ese camino y que aún podrían proporcionar las respuestas definitivas a las preguntas prácticas en mano. Por ejemplo, los mínimos cuadrados parciales son una técnica muy adecuada para problemas amplios y superficiales... o si está ejecutando JMP Pro, definitivamente consulte la personalidad de Regresión Generalizada.
Re: ¿DF perdidos?Gracias por la ayuda, definitivamente lo comprobaré.No parece que sea posible ejecutar ese modelo con mi conjunto de datos actual tal como está, a menos que haya otras configuraciones u opciones que proporcionen algún tipo de "solución alternativa".
Re: ¿DF perdidos?Básicamente, creo que lo que sucede cuando ves los resultados "sesgados" y "reducidos a cero" es que estás especificando más términos en el modelo de los que tienes suficientes grados de libertad para estimar. Entonces, JMP le envía estos mensajes... una especie de amable recordatorio para asegurarse de que el modelo que está especificando pueda estimarse a partir de los datos que ha recopilado. Es posible que desee consultar el libro de ayuda de JMP "Ajuste de modelos lineales" dedicado a este tema tan amplio.
