レベル 1 の学生、レベル 2 の教師、レベル 3 の学校というネストされたデータの階層線形モデルを構築しています。 私は学校と生徒のコンテキストを制御し、教師効果を得ることに興味があります。
これがmdelの構築方法です。
フィットモデルでは、性格として標準最小二乗法を使用し、学校 (つまり、学校名) と生徒の変数 (つまり、生徒の性別、民族性、昼食の状況) の固定効果を割り当て、一方、生徒の変数と教師と教師の相互作用を次のように割り当てました。ランダム効果。 このようにして、教師効果として BLUP を取得します。
私の質問は、変量効果はランダム切片ですか、それともランダム傾きですか?
P. S. で「ランダム」を選択してランダムを割り当てました。属性ドロップダウンメニュー。
私はこの質問に対する答えを何日も探し続けてきました。 ご協力本当にありがとうございました！
こんにちは、
反復対策を検討する際に適用される 3 種類の戦略が理解するのが難しいため、助けを求めたいと思います。 私の研究では、それらはすべて異なる結果をもたらしました。 これらのモデルには次のものが含まれます。
1) 完全階乗混合分散分析アドイン
2) 属性セクションの適合モデルとランダムな被験者を使用した混合モデル分析: https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747
3) Proと混合モデルの個性
私の質問は、完全階乗分散分析アドインがランダムな変動を考慮しているかどうかです。 また、JMP Pro の混合モデル パーソナリティを持っていない場合、2 番目のオプションを使用するだけで十分ですか?
こんにちは、
この JMP ブログ エントリが役立つかもしれません。
https://community.jmp.com/t5/JMP-Blog/JMP-Pro-for-linear-mixed-models-Part-1/ba-p/30433
JMP Pro の混合モデルと Base JMP の変量効果間の結果は同等である必要があります。
変量効果として指定した因子のタイプにより、ランダムな傾きではなく、ランダムな切片が得られます。 回帰の傾きは連続変数の係数です。ただし、連続ランダムエフェクトは JMP Pro 12 以降でのみサポートされます。
JMP Pro の例を次に示します。
http://www.jmp.com/support/help/13/Example_Using_Mixed_Model.shtml#1263694
統計の詳細:
http://www.jmp.com/support/help/13/Random_Coefficient_Model.shtml#1273501
