Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Früher habe ich ANOVAs mit wiederholten Messungen mit JMP 13 ohne Probleme durchgeführt.Aber jetzt habe ich JMP 14 bekommen und eine ANOVA mit denselben Daten durchgeführt und irgendwie „4326“ als DF Den unter „Test Denominator Synthesis“ erhalten.Bei JMP 13 war dies früher „42“, und offensichtlich ist das neue F-Verhältnis viel größer geworden.Ich glaube nicht, dass ich etwas anderes gemacht habe (Daten, Einrichtung), außer dass ich jetzt JMP 14 anstelle von JMP 13 verwende und wirklich nicht weiß, was ich tun soll.
Könnte mir bitte jemand sagen, was mir fehlt?
Danke schön!
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Vielen Dank für Ihre Antwort und den Hinweis auf das JMP-Buch.
Ich habe mir das Buch angesehen und auf den Seiten 197-198 von Kapitel 3 Folgendes gefunden:
„Testnennersynthese
Für jeden zu testenden Effekt wird eine F-Statistik erstellt. Der Nenner dieser Statistik ist der mittlere Quadratwert, dessen Erwartungswert der des Zählermittelquadrats unter der Nullhypothese ist. Dieser Nenner wird aus Varianzkomponenten und Werten konstruiert oder synthetisiert, die mit festen Effekten verbunden sind.
Quelle Zeigt den zu testenden Effekt an.
MS Den Gibt den geschätzten mittleren Quadratwert für den Nenner des F-Tests an.
DF Den Gibt die Freiheitsgrade für den synthetisierten Nenner an. Diese werden nach der Methode von Satterthwaite konstruiert (Satterthwaite 1946).
Nenner-MS-Synthese Gibt die Varianzkomponenten an, die in der Nennersynthese verwendet werden. Die Restfehlervarianz ist immer Teil dieser Synthese.“
Ich habe mir auch Satterthwaite (1946) angesehen, aber es war zu technisch, als dass ich ihm folgen konnte.
Mittlerweile habe ich auch weitere faktorielle Kombinationen ausprobiert.Wenn Sie sich die Bilder 1-3 der angehängten Datei ansehen, sieht es so aus, als ob beim Kreuzen eines bestimmten Faktors mit dem Subjekt die entsprechende DF-Dens unabhängig bleibt, während die DF-Dens für die anderen Faktoren als „Rest“ zusammengefasst werden.Könnten Sie bitte erklären, warum es in meinem Beispiel so wird?
Danke nochmal.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Bitte sehen Sie sich dies in JMP an Helfen > Bücher > Anpassen linearer Modelle dann das Kapitel am Ende des Buches mit Statistische Details . Der Ursprung der Freiheitsgrade wird in diesem Kapitel erläutert.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Vielen Dank für Ihre sehr ausführliche Antwort und den Versuch, ein passenderes Modell zu verwenden.
Ich stimme zu, dass ich versucht habe, blind dem zu folgen, was zuvor auf diesem Gebiet gemacht wurde, und ein vollfaktorielles Modell zu verwenden, und dass es keinen theoretischen Grund dafür gibt, dass das Experiment das Subjekt und alle Interaktionen umfasst.
Aber eigentlich habe ich in meiner Frage 1 etwas anderes gefragt, also lassen Sie mich diese Frage bitte noch einmal mit einigen weiteren Erklärungen stellen:
Bitte vergleichen Sie Bild 1 und Bilder 2ab der angehängten Datei.Bild 1 zeigt, dass, wenn alle möglichen Faktoren gekreuzt werden, in der Spalte „DF Den“ unterschiedliche Zahlen für verschiedene Faktoren aufgeführt sind (von oben: 42, 42, 42, 1050, 42, 42 ...), die ich auch unter Unix erhalte -ranova und SPSS (Allgemeines Linea-Modell>Wiederholte Messungen>Vollfaktoriell, SS Typ III) .Wenn Subjekt jedoch nicht mit anderen Faktoren gekreuzt wird, wie in Bildern 2ab, werden in der Spalte „DF Den“ 42 für Krankheit, aber 4326 für alle anderen Faktoren aufgeführt.Auch, In der Spalte „Denom MS-Synthese“ von Bild 1 sind verschiedene Faktorkombinationen für verschiedene Faktoren aufgeführt, während in den Spalten „Denom MS-Synthese“ von Bildern 2ab nur „Rest“ für alle Faktoren außer Krankheit aufgeführt ist.Warum sollte das so sein?
Danke nochmal.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Alles, was ich über Sie (d. h. Ihren Hintergrund) und Ihre Absicht weiß, basiert auf dieser Diskussion, diesem Datensatz und den Modellierungsversuchen. Bitte verzeihen Sie mir, wenn meine Antwort etwas abdeckt, was Sie bereits wissen.
- Diese Frage deutet darauf hin, dass Sie keine ausgeprägten Kenntnisse in linearen Modellen haben.
- Die DF für den Nenner sind eine Funktion der Anzahl der Beobachtungen und der Anzahl der Parameter im Modell für eine bestimmte experimentelle Einheit. Die Parametrisierung in der JMP Fit Least Squares-Plattform ist so, dass die Anzahl der Parameter für einen kategorialen Faktor um eins kleiner ist als die Anzahl der Ebenen. Das Einschließen von Channel kostet also allein 25 DF. Die Kreuzung mit anderen Faktoren führt schnell zu einer Vielzahl von Parametern und damit zu einer großen Änderung des DF.
- Die Wahl der Schätzmethode (EMS oder REML) kann sich auch auf den DF für den Nenner auswirken. Dieser Unterschied ist der Grund, warum REML empfohlen wird.
- Beachten Sie auch, dass die Schätzung vom Design der Daten abhängt. Wie haben Sie diese Studie konzipiert?
- Die von JMP verwendete Speichermenge kann in JMP nicht geändert werden, außer die 64-Bit-Version anstelle der 32-Bit-Version zu verwenden. Ich bin kein Windows-Experte und weiß daher nicht, wie ich einer Anwendung vom Betriebssystem aus mehr Speicher zuweisen kann.
Sie sagen, dass Ihnen diese Ausgabe gefällt, weil sie mit SPSS und Unix-ranova übereinstimmt. Ich schlage vor, dass ein Modell auf seinen eigenen Vorzügen basieren sollte und nicht auf der Software, die zur Schätzung der Parameter verwendet wird. Es scheint mir, dass Ihr Modell überspezifiziert ist.
- Die Struktur Ihrer Studie lässt keinerlei Verschachtelung erkennen. Alle Faktoren kreuzen sich. Warum diese Komplikation zur Modellspezifikation hinzufügen?
- Sie haben ein vollständiges faktorielles Modell angegeben (dh alle möglichen Interaktionseffekte). Sind diese Bedingungen angemessen?
- Bei vielen dieser Interaktionen haben Sie das Thema überschritten. Sind diese Bedingungen angemessen?
- Sie wählen EMS zur Schätzung der Modell- und Varianzkomponenten. Warum diese minderwertige Methode verwenden?
Wie haben Sie das Modell ausgewählt, das Ihnen gefällt? Was ist die Grundlage für die Auswahl dieses Modells? Was ist der Modellauswahlprozess und das Kriterium?
Ich habe beispielsweise mit einem vollfaktoriellen Modell für die festen Faktoren begonnen und Subjekt als zufälligen Effekt hinzugefügt. Ich konnte das Modell mithilfe angemessener Modellauswahlkriterien (z. B. Sparsamkeit, AICc) reduzieren.
Die Restanalyse zeigt kein Muster, keine Heteroskedastizität oder keine Passung. Die Residuen weisen auf eine gewisse Rechtsschiefe der Fehler hin. Dieses Modell erscheint mir vernünftig. Außerdem würde ich erwarten, dass ich mit diesem Modell unter Verwendung von JMP, SAS, SPSS oder Unix-ranova mit REML-Verfahren die gleichen Ergebnisse erhalte.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Nochmals vielen Dank für Ihre schnelle Antwort.
Ich muss mich jetzt entschuldigen.Es tut mir leid, dass ich einen Fehler gemacht habe, als ich mich an das Modell erinnerte, das ich früher verwendet habe.Ich stellte fest, dass mein alter Laptop noch über JMP 13 verfügte (was bis März dieses Jahres funktionieren wird), begann damit zu spielen und erinnerte mich schließlich daran, dass ich früher alle möglichen Kombinationen der Faktoren einschließlich des Betreffs eingegeben hatte, wie das beigefügte Bild zeigt.Auf diese Weise kann ich die Ausgabe erhalten, die ich Ihnen als Bild 3 meiner Datei RepeatedMeasures.docx gezeigt habe.Wenn ich versuche, REML anstelle von EMS zu verwenden, beschwert sich JMP 13, dass nicht genügend Speicher vorhanden ist.Ich habe auch versucht, dasselbe Modell mit JMP 14 auf meinem neuen Laptop auszuführen, aber dann erhalte ich die Fehlermeldung „Es konnte nicht genügend Speicher zugewiesen werden“ sowohl für EMS als auch für REML.
Diese Ausgabe gefällt mir, da sie die gleichen Ergebnisse liefert wie Unix-ranova und SPSS (General Linea Model>Repeated Measures>Full Factorial, SS Type III).Als schnelle Lösung könnte ich in diesen paar Monaten versuchen, alle Analysen mit JMP 13 auf meinem alten Laptop durchzuführen, aber ich habe immer noch geänderte Versionen meiner ursprünglichen Fragen wie folgt:
1') Warum die Berücksichtigung aller möglichen Faktoren DF Den so sehr verändert ( unterschiedliche DF Dens für unterschiedliche Faktoren vs. nur eine Zahl für alle Faktoren außer Krankheit und für die Spalte „Denom MS Synthesis“ unterschiedliche Faktorkombinationen für unterschiedliche Faktoren vs. nur „Rest“ für alle Faktoren außer Krankheit)?
2') Idealerweise würde ich meine ANOVAs gerne weiterhin mit JMP 14 auf meinem neuen Laptop ausführen, aber gibt es eine Möglichkeit, mehr Speicher zuzuweisen?
Danke schön.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Sie sind nicht unterschiedlich. Gar nicht.
Ich habe die Daten aus der Excel-Arbeitsmappe in eine JMP-Datentabelle kopiert. Ich habe das gleiche vollfaktorielle lineare Modell mit Subjekt als Zufallseffekt im Dialogfeld „Modell anpassen“ eingerichtet. Ich habe REML verwendet, um die Daten mit JMP 14 anzupassen. Ich habe das Skript für die Analyse der kleinsten Quadrate angepasst und dann die Datentabelle gespeichert. Ich habe die Datentabelle und JMP 14 geschlossen. Ich habe JMP 13 gestartet, die Datentabelle geöffnet und das Skript ausgeführt. Die Ergebnisse sind identisch.
Anschließend habe ich den Job „Modell anpassen“ an SAS übermittelt, das PROC MIXED verwendet. Die Ergebnisse sind identisch. (Bis auf die unterschiedliche Parametrisierung im SAS-Verfahren.)
Die DF für die betreffenden Nenner sind also bei allen drei Analysen (JMP 13, JMP 14 und SAS 9.4) gleich (4326).
Außerdem erscheinen diese DF, wie ich bereits erwähnt habe, angesichts der Anzahl der Beobachtungen und der Anzahl der Parameterschätzungen vernünftig.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Nochmals vielen Dank für die schnelle Antwort!
Es tut mir leid wegen der Excel- und JMP-Formate, und ich sehe, dass für REML (obwohl es für EMS einen Unterschied macht) keine Verschachtelung erforderlich ist Thema innerhalb der Krankheit.
Aber meine ursprünglichen Fragen bleiben bestehen:
1. Warum sind die Ausgaben zwischen JMP 13 und JMP 14 so unterschiedlich?Wenn Sie sich die Abschnitte „Testnennersynthese“ für beide ansehen, werden im JMP-13-Abschnitt unterschiedliche DF-Dens für verschiedene Faktoren aufgeführt, während im JMP-14-Abschnitt nur eine Zahl (4326) für alle Faktoren außer Krankheit (42) aufgeführt ist.Außerdem werden in der Spalte „Denom MS-Synthese“ verschiedene Faktorkombinationen für verschiedene Faktoren für JMP 13 aufgeführt, für JMP 14 jedoch nur „Rest“ für alle Faktoren außer „Krankheit“.
2. Wie kann ich zu der Ausgabe zurückkehren, die ich mit JMP 13 erhalten habe?Ich würde gerne die JMP 13-Version verwenden, da diese mit den Ergebnissen von SPSS und Unix-ranova übereinstimmt.
Danke nochmal.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Ich sehe keine Notwendigkeit, „Subjekt“ in „Krankheit“ zu verschachteln. Ich habe überprüft, dass die Ergebnisse ohne Verschachtelung identisch sind.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Es wäre hilfreich gewesen, wenn Sie die JMP-Datentabelle hinzugefügt hätten. Ich musste die Metadaten und das Modell in „Fit Least Squares“ manuell wiederherstellen.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Ich habe Ihre Ergebnisse mit JMP 14 überprüft.
Es scheint mir, dass fast die Hälfte der Terme, allesamt Wechselwirkungen höherer Ordnung, aus dem Modell entfernt werden könnten.
Es überrascht mich nicht, dass es für den Nenner (MSE) der F-Tests 4326 Freiheitsgrade gibt. Sie beginnen mit 4576 Beobachtungen und Ihr Modell enthält 208 Parameter. Ich verstehe nicht, wie der DF in der ursprünglichen Analyse nur 42 betragen konnte.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Hier ist die Datendatei im Anhang.
>Vielen Dank für Ihre Antwort.
>
>Ich habe versucht, REML zu verwenden, aber die Ergebnisse sind die gleichen wie im angehängten Bild.
>
>Ich frage mich, ob Sie versuchen könnten, meine Daten auszuführen.Es würde mir wirklich helfen, wenn du könntest.Ich werde meinen Datensatz mit der folgenden Nachricht anhängen.Danke schön!
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Vielen Dank für ihre Antwort.
Ich habe versucht, REML zu verwenden, aber die Ergebnisse sind die gleichen wie im angehängten Bild.
Ich frage mich, ob Sie versuchen könnten, meine Daten auszuführen.Es würde mir wirklich helfen, wenn du könntest.Ich werde meinen Datensatz mit der folgenden Nachricht anhängen.Danke schön!
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Die Tatsache, dass Ihre Ergebnisse mit JMP 13 gebrochene Freiheitsgrade für den Nenner des F-Tests aufweisen, lässt darauf schließen, dass Sie REML zur Schätzung der Parameter und Varianzen verwendet haben. REML ist das standardmäßige (und empfohlene) Verfahren, das macht also Sinn. Andererseits wird EMS für die mit JMP 14 durchgeführte Analyse ausgewählt. Versuchen Sie, REML mit JMP 14 zu verwenden.
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Vielen Dank für ihre Antwort.
Ich hänge eine Datei mit einigen Bildern an.Hoffentlich geben sie Ihnen weitere Informationen.
Das Bild 1 zeigt, wie ich das Modell mit JMP 14 spezifiziert habe, und das Bild 2 zeigt die Ausgabe, die ich jetzt erhalte.Ich bin zu 100 % sicher, dass ich denselben Datensatz verwendet habe, und zu 99 % sicher (ich kann JMP 13 nicht mehr zur Überprüfung ausführen), dass ich dieselbe Modellspezifikation verwendet habe, aber ich habe früher eine Ausgabe wie in Bild 3 erhalten.
Ich weiß nicht, warum die beiden Versionen von DF Den so unterschiedlich sind, und würde gerne wissen, wie ich zu der Ausgabe zurückkehren kann, die ich früher mit JMP 13 erhalten habe.Ich würde mich sehr über Ihre Hilfe freuen.Danke schön!
Betreff: Riesige DF-Nenner für ANOVAs mit wiederholten Messungen mit JMP 14Wir wissen nicht viel über die Details Ihrer Daten oder Analysen, aber der Anstieg des DF für den Nenner lässt darauf schließen, dass Sie weniger DF für das Modell haben. Gibt es entweder weniger Terme oder weniger Ebenen Ihrer Prädiktoren?
