こんにちは、投稿は5年前ですが、このトピックは私にとって興味深いものです。 JMPとremlscoreの不一致について解決策を得ることができましたか？ さらに、JMPは予測/信頼区間を提供しますが、remlscoreは提供しません。 JMPが提供する技術情報は非常にまばらであるため、洞察をいただければ幸いです。
ここにいくつかの有用な参考資料があります：
スミス、GK （2002）。 「不均一分散回帰におけるREMLの効率的なアルゴリズム」、Journal of Computational and Graphical Statistics、11、1〜12ページ。
Verbyla、AP（1993）。 「分散の不均一性のモデリング：残差最尤法と診断」、Journal of the Royal Statistics Society、シリーズB（方法論）55（2）、pp。493-508。
こんにちはJMPers！
対数線形分散モデルをより深く理解しようとしています。 したがって、JMPドキュメントのInjectionMolding-exampleを使用しました。 もちろん、JMPを使用して、Webサイトから結果を再現することができます。
さらに、Rに最尤推定法（Harvey-paperに基づく）を実装しました。 さらに、Rのstatmod-packageからremlscore関数を試しました（Smyth 2002のようなREML推定で説明されています）。 面白い結果は、推定された残余分散（〜1.88、〜1.9）のRの両方の関数で非常に類似した結果が得られることですが、その数はJMPではかなり異なります：〜6.69。
これがパラメータ化の違いにすぎないのかどうか興味がありましたか？ 他のすべての数値は非常によく一致しています。
役立つ場合は、Rコードを次に示します。
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
