20514_es-ES

liliconcom

SAS PROC MIXED y JMP Output son diferentes<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Estimados,

Estoy tratando de comparar los resultados del modelo mixto SAS PROC Mixed y JMP. Pensé que los resultados serían los mismos, pero no lo son. Espero que JMP pueda dar los mismos resultados que SAS PROC MIXED. ¿Alguien podría ayudarme con eso?

Mi código SAS de la siguiente manera:

PROC DATOS MIXTOS = DATOS;

Subcondición de CLASE Estímulos;

MODELO Y = Condición / SOLUCIÓN;

Sub al azar;

Estímulos ALEATORIOS (Condición);

correr;

Los resultados para el efecto fijo son:

Solución para efectos fijos
Efecto	Condición	Estimar	Estándar Error	DF	Valor t	Pr > |t|
Interceptar		4.4444	1.0943	4	4.06	0.0153
Condición	A	1.1111	1.5476	4	0.72	0.5125
Condición	B	0	.	.	.	.

Tipo 3 Pruebas de Efectos Fijos
Efecto	Núm DF	Guarida DF	Valor F	PR > F
Condición	1	4	0.52	0.5125

Luego, usé la interfaz de JMP para generar el siguiente código:

Modelo de ajuste(

Y( :Y ),

Efectos (: Condición),

Efectos aleatorios ( :Sub, :Stimuli[:Condition] ),

Sin Límites( 0 ),

Personalidad ("Modelo Mixto"),

Ejecutar( Estimaciones de parámetros de covarianza de efectos repetidos( 0 ) )

)

Obtuve:

Parece que la prueba Tipo 3 de efectos fijos es la misma en JMP y SAS, pero mis estimaciones de parámetros de efectos fijos son totalmente diferentes. Me pregunto si alguien sabe cómo podría codificar el JMP para que tenga los mismos resultados que SAS.

Muchas gracias a todos,

alicia

Re: SAS PROC MIXED y JMP Output son diferentes

Hola, Ron, Alicia: una forma más fácil aún puede ser elegir "Estimaciones de parametrización de indicadores" en el submenú "Estimaciones" (triángulo rojo en la parte superior de los análisis después de hacer clic en "Ejecutar") de la plataforma Fit Model. También puede optar por mostrar estas estimaciones de forma predeterminada (además del valor predeterminado de JMP) en la plataforma "Ajustar mínimos cuadrados" en "Preferencias".

 

Marca

Re: SAS PROC MIXED y JMP Output son diferentes

Hola Alicia,

Me alegro de que te haya resultado. el último método es más un truco de hackers o fontaneros, pero es fiel a los fundamentos. en el pasado, era la forma real de ingresar variables categóricas en modelos de regresión. uno mismo construiría los contrastes recodificando las categorías en n-1 nuevas columnas de ceros y unos. el programa solo pensaría que son continuos para propósitos de estimación.

Mejor,

Ron

Re: SAS PROC MIXED y JMP Output son diferentes

hola ron,

Muchas gracias. ¡Usé el tercer método que sugeriste, y funciona! Muchas gracias.

Mejor,

alicia

Re: SAS PROC MIXED y JMP Output son diferentes

carcajada

Tres cosas para probar:

1) En otros casos, cambiaría la variable categórica de tipo de modelado nominal a ordinal. sin embargo, en este caso creo que la plataforma del modelo no lo aceptará.

2) Intente ver si puede realizar pruebas personalizadas para estos parámetros para "revelar" los contrastes que está buscando.

3) Si son solo dos categorías, intente ver lo que obtiene codificando las categorías como ceros y unos y ejecútelo como un continuo.

Ron

Re: SAS PROC MIXED y JMP Output son diferentes

hola ron,

Muchas gracias. Creo que tiene razón sobre la forma en que SAS y JMP manejan el contraste de datos nominales de manera diferente. Me pregunto si sabe de todos modos que puedo cambiar el contraste predeterminado de JMP. Creo que los resultados de SAS me parecen más razonables (los errores estándar son todos iguales en los factores de efectos fijos en JMP), por lo que me gustaría cambiar el contraste predeterminado de JMP. La razón por la que realmente quiero que ambos coincidan es porque quiero usar el valor de estimación beta de los factores de efectos fijos para calcular el R^2 del modelo. Si los valores beta no son los mismos, el R^2 sería diferente. Realmente aprecio tu ayuda.

Sinceramente,

alicia

Re: SAS PROC MIXED y JMP Output son diferentes

HOLA carcajada ,

dado que los valores de p son los mismos, supongo que el análisis es el mismo. por lo tanto, la diferencia se debe a la estimación de parámetros de JMP basada en un enfoque diferente a los contrastes de categorías. compruebe la diferencia en la definición de contrastes entre variables nominales y ordinales.

siga este enlace http://www.jmp.com/support/help/The_Factor_Models.shtml

y buscar factores nominales. la tabla da una explicación de cómo se tratan los parámetros.

Ron