Mischmodell mit komplexen Daten (geschichtete Probenahme)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich habe mich gefragt, ob :
a) Das neue JMP Pro11 bietet gemischte Modelle oder hierarchische lineare Regression mit komplexen Daten an? Gewichtungen nach der Schichtung zulassen?
b) Die neue JMP Pro 11 erlaubt gemischte Modelle mit mehr als zwei Stufen?
c) Wie werden im neuen JMP Pro 11 die Prädiktoren für Level 1, Prädiktoren für Level 2 und Prädiktoren für Level 2 mit gemischten Modellen ausgewählt?
d) Liegen für a), b) und c) relevante Beispiele vor?
Vielen Dank
Re: Gemischtes Modell mit komplexen Daten (geschichtetes Sampling)Sie können Jians 3 JMP Pro-Videos zur linearen Regression für nützlich erachten. Das erste bezieht sich auf zufällige Koeffizientenmodelle.
http://www.jmp.com/about/events/mastering/ondemand_webcast.shtml?reglink=mstrAdvancedLinearMixedModels
Re: Gemischtes Modell mit komplexen Daten (geschichtetes Sampling)ein). Sie können h passen ierarchische lineare Modelle in JMP Pro 11 (Analysieren => Fitmodus l und wählen Mischmodell Persönlichkeit ) .
b). Es unterstützt mehr als zwei Ebenen (vorausgesetzt, Ihre Daten sind für die Modellierung auf mehreren Ebenen geeignet). Zufällige Effekte der Stufen 1 und 2 mit angeben Nest Zufällige Koeffizienten Schaltfläche aus der Zufällige Effekte Tab. Sehen JMP-Blogbeitrag wie man es benutzt Nest Zufällige Koeffizienten .
c) Nach dem Anpassen eines Modells werden t-Verhältnisse und zugehörige p-Werte für die statistische Signifikanz fester Effekte angegeben. Für geschätzte Varianz- und Kovarianzparameter können Sie die berichteten 95% -Konfidenzgrenzen prüfen, um zu sehen, ob solche Schätzungen sind bei α = 5% statistisch von Null verschieden oder nicht.
d) Angeben Ah ierarchisches lineares Modell ähnelt s Bestimmen eines Zufallskoeffizientenmodells. Beziehen auf JMP-Dokumentation oder der Blogbeitrag oben für Details.
