20514_de-DE

liliconcom

SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Verehrte Gäste,

Ich versuche, die Ergebnisse von SAS PROC Mixed und JMP Mixed Model zu vergleichen. Ich dachte, die Ergebnisse wären die gleichen, aber sie sind es nicht. Ich hoffe, JMP kann die gleichen Ergebnisse wie SAS PROC MIXED liefern. Könnte mir jemand dabei helfen?

Mein SAS-Code wie folgt:

VERARBEITE GEMISCHTE DATEN = DATEN;

CLASS Sub Condition Stimuli;

MODELL Y = Bedingung / LÖSUNG;

RANDOM Sub;

ZUFÄLLIGE Stimuli (Bedingung);

Lauf;

Die Ergebnisse für den festen Effekt sind:

Lösung für feste Effekte
Wirkung	Bedingung	Schätzen	Standard Fehler	DF	t-Wert	Pr > |t|
Abfangen		4.4444	1.0943	4	4.06	0,0153
Bedingung	EIN	1.1111	1,5476	4	0,72	0,5125
Bedingung	B	0	.	.	.	.

Typ-3-Tests für feste Effekte
Wirkung	Anzahl DF	Den DF	F-Wert	Pr > F
Bedingung	1	4	0,52	0,5125

Dann habe ich die Schnittstelle von JMP verwendet, um den folgenden Code zu generieren:

Modell anpassen (

Y( :Y ),

Effekte ( : Bedingung ),

Zufällige Effekte( :Sub, :Stimuli[:Condition] ),

Keine Grenzen( 0 ),

Persönlichkeit ("Mixed Model"),

Run( Repeated Effects Covariance Parameter Estimates( 0 ) )

)

Ich habe:

Es scheint, als ob der Typ-3-Test für feste Effekte in JMP und SAS gleich ist, aber meine Parameterschätzungen für feste Effekte sind völlig unterschiedlich. Ich frage mich, ob jemand weiß, wie ich das JMP codieren könnte, damit es die gleichen Ergebnisse wie SAS liefert.

Vielen Dank an alle,

Alice

Betreff: SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich

Hey Ron, Alicia: Noch einfacher ist es vielleicht, „Indikatorparameterisierungsschätzungen“ im Untermenü „Schätzungen“ (rotes Dreieck oben in den Analysen nach dem Klicken auf „Ausführen“) der Plattform „Modell anpassen“ auszuwählen. Sie können diese Schätzungen auch standardmäßig (zusätzlich zur JMP-Standardeinstellung) auf der Plattform „Kleinste Quadrate anpassen“ unter „Einstellungen“ anzeigen.

 

Markieren

Betreff: SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich

Hallo Alicia,

Freut mich, dass es bei dir geklappt hat. Die letzte Methode ist eher ein Hack- oder Klempnertrick, aber sie entspricht den Grundlagen. In der Vergangenheit war dies der eigentliche Weg, um kategoriale Variablen in Regressionsmodelle einzugeben. man würde die Kontraste selbst aufbauen, indem man die Kategorien in n-1 neue Spalten mit Nullen und Einsen umcodiert. das Programm würde nur zu Schätzungszwecken davon ausgehen, dass sie kontinuierlich sind.

Am besten,

Ron

Betreff: SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich

Hallo Ron,

Ich danke dir sehr. Ich habe die dritte Methode verwendet, die Sie vorgeschlagen haben, und sie funktioniert !!! Ich danke dir sehr.

Am besten,

Alice

Betreff: SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich

lachenpp

Drei Dinge zum Ausprobieren:

1) In anderen Fällen würde ich die kategoriale Variable vom nominalen zum ordinalen Modellierungstyp ändern. Ich denke jedoch, dass die Modellplattform dies in diesem Fall nicht akzeptieren wird.

2) Versuchen Sie zu sehen, ob Sie benutzerdefinierte Tests für diese Parameter durchführen können, um die Kontraste zu "enthüllen", nach denen Sie suchen.

3) Wenn es nur zwei Kategorien sind, versuchen Sie zu sehen, was Sie erhalten, indem Sie die Kategorien als Nullen und Einsen codieren und als fortlaufend ausführen.

Ron

Betreff: SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich

Hallo Ron,

Ich danke dir sehr. Ich denke, Sie haben Recht mit der Art und Weise, wie SAS und JMP mit dem Kontrast von Nominaldaten unterschiedlich umgehen. Ich frage mich, ob Sie trotzdem wissen, dass ich den Standardkontrast von JMP ändern kann. Ich denke, die Ergebnisse von SAS sehen für mich vernünftiger aus (Standardfehler sind bei festen Effektfaktoren in JMP alle gleich), daher möchte ich den Standardkontrast von JMP ändern. Der Grund, warum ich wirklich möchte, dass beide übereinstimmen, ist, dass ich den Beta-Schätzwert der festen Effektfaktoren verwenden möchte, um das R ^ 2 des Modells zu berechnen. Wenn die Beta-Werte nicht gleich sind, wäre R^2 anders. Ich schätze deine Hilfe sehr.

Aufrichtig,

Alice

Betreff: SAS PROC MIXED und JMP-Ausgabe sind unterschiedlich

HALLO lachpp ,

Da die pvalues gleich sind, würde ich vermuten, dass die Analyse gleich ist. Daher ist der Unterschied auf die JMP-Schätzung von Parametern zurückzuführen, die auf einem anderen Ansatz für den Kontrast von Kategorien basiert. Sehen Sie sich den Unterschied in der Definition von Kontrasten zwischen nominalen und ordinalen Variablen an.

folge diesem Link http://www.jmp.com/support/help/The_Factor_Models.shtml

und suchen Sie nach nominalen Faktoren. Die Tabelle erläutert, wie die Parameter behandelt werden.

Ron