Modello misto con dati complessi (campionamento stratificato)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />mi stavo chiedendo se :
a) Il nuovo JMP Pro11 offre un modello misto o una regressione lineare gerarchica con dati complessi? Consenti pesi post-stratificazione?
b) Il nuovo JMP Pro 11 consente modelli misti con più di due livelli?
c) Quali sono le procedure nel nuovo JMP Pro 11 per selezionare i predittori di livello 1, predittori di livello 2 e predittori di livello 2 con modelli misti
d) Sono disponibili esempi relativi a a), b) ec)?
Grazie
Ri: Modello misto con dati complessi (campionamento stratificato)I video di Jian Pro 3 JMP Pro Linear Regression sono utili. Il primo è su modelli a coefficienti casuali.
http://www.jmp.com/about/events/mastering/ondemand_webcast.shtml?reglink=mstrAdvancedLinearMixedModels
Ri: Modello misto con dati complessi (campionamento stratificato)un). Puoi montare h modelli lineari gerarchici in JMP Pro 11 (Analizza => Modalità Adatta l, e scegliere Modello misto Personalità ) .
b). Supporta più di due livelli (presupponendo che i dati siano adeguati per la modellazione a più livelli). Per specificare gli effetti casuali di livello 1 e livello 2 usando Nest Random Coefficients pulsante dal Effetti casuali scheda. Vedere Post del blog JMP per come usare Nest Random Coefficients .
c) Dopo l'adattamento di un modello, i rapporti t e i relativi p-value indicano la significatività statistica degli effetti fissi. Per i parametri di varianza e covarianza stimati, è possibile esaminare i limiti di confidenza del 95% segnalati per vedere se tali stime sono statisticamente diverso da zero a α = 5% o no.
d) specificando ah il modello lineare gerarchico è simile a s pecificare un modello di coefficiente casuale. Fare riferimento a Documentazione JMP o il post del blog sopra per i dettagli.
