REML混合模型
你好，
我有幾個與使用 REML 運行混合模型相關的非常普遍的問題。
1. 為什麼一直推薦REML？與EMS方式相比，它最明顯的優勢是什麼？
2. 如何對給定的情況做出有意義的推論預測圖的殘差？
3. 如何從 REML 產生 %CV？
謝謝。
回覆：REML混合模型我不確定您使用的是哪個版本的 JMP，但從 JMP 12.1 開始，REML 變異數分量估計報告中新增了 %CV 隱藏列。您可以透過右鍵單擊該報告內部並選擇“列 < CV”來查看它。
回覆：REML混合模型- 選擇幫助>圖書>擬合線性模型。 第3章致力於使用 REML 估計過程來擬合具有隨機效應的模型。 一般來說，EMS 僅適用於平衡設計。 REML 在這種情況下會給出相同的結果，因此始終使用它不會造成任何損失。 唯一的缺點是 REML 的計算成本更高，但這在今天是一個有爭議的問題。
- 預測殘差圖不適用於推理（假設檢定）。 它是對估計誤差（殘差）的視覺評估，以識別違反線性迴歸假設的情況，例如缺乏擬合、異方差和有影響的觀察結果。
- 您可以照常將變異數分量的 %CV 計算為 100*Sqrt(VC)/Mean。
負方差實際上是負協方差，如果這種解釋可以幫助您接受這樣的結果。 使用估計值的置信區間來確定它是否不為零。 REML 比 EMS 更有彈性。 透過允許零附近的負估計並調整自由度，您可以從固定效應的推論中獲得所需的覆蓋範圍。
回覆：REML混合模型我不確定負方差分量是否有有意義的解釋。
我首先檢查它是否明顯非零：CI 是否與零重疊？ 最合理的解釋是它是總變異中可以忽略的組成部分。
如果您有一個很大的顯著負方差分量，這可能會讓您有理由質疑模型。
我相信如果您願意，您可以指定將所有變異數分量限制為正值。
回覆：REML混合模型Peter Goos 和 Brad Jones 的《實驗優化設計》一書中對 REML 有很好的解釋，如果你有的話（我建議你買一本）。 這是在能源部裂區的背景下。 我猜測您正在使用混合模型進行方差分量分析，也許在測量系統分析中。
回覆：REML混合模型另外你如何解釋負值變異數分量REML 中的隨機因子？
