混合モデルにおける勾配と相互作用の重要性の評価勾配間の差だけでなく、1 つの連続変数と 1 つのカテゴリ (2 レベル) 変数、および 2 つの変量効果を持つ線形混合効果モデルで、勾配がゼロ (有意) と異なることもテストするにはどうすればよいですか。
以下のパラメーター推定出力では、組織タイプ [MSC] と lnSe の間に有意な相互作用があることがわかります。 MSC の勾配がベースライン値と異なることを意味します。 しかし、MSC の実際の勾配はゼロとは異なりますか?? 混合モデル内でそれをテストするにはどうすればよいですか? 単純な回帰を実行できることは明らかですが、混合モデルのランダム効果を制御したいと考えています。
JMP13、Fit モデル プラットフォームを使用しています。
ありがとう！
Re: 混合モデルにおける勾配と相互作用の重要性の評価素晴らしい。 これはまさに私が探していたものです。
ありがとうございました@ジュリアン!
Re: 混合モデルにおける勾配と相互作用の重要性の評価やあ@arstewar 、
これにはいくつかの方法がありますが、最も直接的な方法は、インジケーター変数のパラメーター テストを使用することだと思います。 上部の赤い三角形の下にある [見積もり] > [インジケーターのパラメーター化の見積もり] を選択して、そのテーブルを表示します。 以下の例は、Sex、Height、Sex * Height の Big Class をモデル効果として使用し、体重を予測しています。 ランダム効果モデルではありませんが、同じロジックが適用され、この特定のテストに拡張できます。
元のパラメーター推定表は、総平均に対するパラメーター効果とテストを示しています。これは、名義項の「効果コーディング」の結果です。 これはまた、連続回帰変数が関係している場合、勾配 (この場合は身長) は、身長に対する体重の男性と女性の間の平均勾配であることを意味し、男性または女性の勾配を見つけるには、減算または相互作用係数を追加します。 たとえば、元のパラメータ推定表を使用して男性の勾配を見つけるには、報告された身長の勾配を取得し、相互作用係数 (男性の平均勾配に対するオフセットまたは効果) を差し引きます: 4.0876 - 0.6869 = 3.4007.
次に、インジケーター関数の表を見てみましょう。 ここで報告されている身長係数は、男性と女性の平均ではありません。むしろ、カテゴリ因子の 1 つのレベルだけの勾配になります。 この場合、M は F の後にあり、値の順序を設定しない限り、アルファベット順の最後のレベルが「コントロール」として使用されるため、男性になります。したがって、指標関数のパラメーター化テーブルの高さの係数として、計算したばかりの値と同じ値が見つかるはずであり、実際に 3.400653 が報告されています。
さて、テストについての質問です。 ここで報告される p 値は、いずれかのテーブルの係数を 0 のヌルに対してテストしたものです。 したがって、男性の勾配が 0 に等しいかどうかに関心がある場合は、インジケーター関数のパラメーター化テーブルの高さの行を確認するだけです。 この場合、null、t=4.22、p = 0.0002 を拒否します。 代わりに女性の勾配をテストすることに関心がある場合は、列情報で列の値の順序を変更してから、分析を再実行する必要があります。 本質的には、それがコミュニティにあるアドイン一方向 ancova のようなモデルで単純な勾配をテストするために行います。 モデルに変量効果があるという事実は、このテストに関しては何も変わりません.JMPは、すべてのケースでこれらの係数の標準誤差を計算する方法を知っているほど賢いからです.
これが役立つことを願っています！
@ジュリアン
