Hallo, obwohl der Beitrag 5 Jahre alt ist, interessiert mich dieses Thema. Konnten Sie eine Lösung für die Diskrepanzen zwischen JMP und Remlscore finden? Darüber hinaus gibt JMP Vorhersage- / Konfidenzintervalle an, Remlscore jedoch nicht. Die technischen Informationen von JMP sind sehr spärlich, daher wäre jeder Einblick sehr dankbar.
Hier sind einige nützliche Referenzen:
Smyth, GK (2002). "Ein effizienter Algorithmus für REML in der heteroskedastischen Regression", Journal of Computational and Graphical Statistics, 11, S. 1-12.
Verbyla, AP (1993). "Modellierung der Varianzheterogenität: Restmaximalwahrscheinlichkeit und Diagnostik", Journal der Royal Statistical Society, Reihe B (methodisch) 55 (2), S. 493-508.
Hallo JMPers!
Ich versuche, die loglinearen Varianzmodelle besser zu verstehen. Deshalb habe ich das InjectionMoulding-Beispiel aus der JMP-Dokumentation verwendet. Durch die Arbeit mit JMP kann ich natürlich die Ergebnisse der Website reproduzieren.
Zusätzlich habe ich einen ML-Schätzer (basierend auf dem Harvey-Papier) in R implementiert. Weiterhin habe ich die Remlscore-Funktion aus dem statmod-Paket in R ausprobiert (REML-Schätzung wie Smyth 2002 beschreibt es). Das lustige Ergebnis ist, dass ich mit beiden Funktionen in R ziemlich ähnliche Ergebnisse für die geschätzte Restvarianz (~ 1,88, ~ 1,9) erhalte, aber diese Zahl ist in JMP ziemlich unterschiedlich: ~ 6,69.
Jetzt war ich neugierig, ob dies nur ein Unterschied in der Parametrisierung ist? Alle anderen Zahlen stimmen ganz gut überein.
Hier ist der R-Code, wenn er hilft:
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
