嗨，雖然這個職位已有5年曆史了，但是我很感興趣這個話題。 您是否能夠解決JMP與remlscore之間的差異？ 此外，JMP給出了預測/置信區間，而remlscore則沒有。 JMP提供的技術信息非常稀疏，因此任何見識都將不勝感激。
以下是一些有用的參考：
史密斯（GK） （2002）。 “異方差回歸中REML的有效算法”，計算與圖形統計雜誌，第11期，第1-12頁。
Verbyla，AP（1993）。 “建模方差異質性：殘差最大似然和診斷”，《皇家統計學會雜誌》，B系列（方法學）55（2），第493-508頁。
嗨，JMPers！
我試圖對對數線性方差模型有更深入的了解。 因此，我使用了JMP文檔中的InjectionMolding-example示例。 當然，使用JMP，我可以從網站上複製結果。
此外，我在R中實現了ML估計器（基於Harvey論文）。 此外，我嘗試了R中的statmod-package中的remlscore函數（像Smyth 2002一樣對REML進行了描述）。 有趣的結果是，對於估計的殘差方差，我在R中的兩個函數都得到了非常相似的結果（〜1.88，〜1.9），但在JMP中，該數字卻大不相同：〜6.69。
現在我很好奇，這是否只是參數化方面的一些區別？ 所有其他數字都很好地匹配。
這是R代碼，如果有幫助的話：
library(statmod)
# Sample Data
d = read.csv("Desktop/InjectionMolding.csv")
x = cbind(rep(1, nrow(d)), d[,c(2, 3)], d[,2]*d[,3]) # MoldTemp, Screw.Speed, 2FI
x = apply(x, 2, as.numeric)
z = d[,4] # Hold.Time
z = cbind(rep(1, length(z)), z)
y = d[,9] # Shrinkage
y = as.matrix(y)
colnames(x) = c("Const", "MoldTemp", "ScrewSpeed", "MoldXScrew")
colnames(z) = c("Const", "HoldTime")
colnames(y) = c("Strength")
reml_est = remlscore(y=y,X=x,Z=z)
reml_est
