Comparación por pares en el término de interacciónMe gustaría saber si es posible y cómo realizar comparaciones por pares en un término de interacción cuando éste está entre una variable categórica y continua. En Jmp solo encontré comparación múltiple para el efecto mai. Gracias.Re: Comparación por pares de términos de interacción@Julian De nada, ¡gracias por publicarlo!- Lo vinculo aquí con el fin de que cualquiera que visite esta publicación pueda verlo fácilmente: https://www.youtube.com/watch?v=k3zk45WrmUI
Los he disfrutado todos y sería genial, junto con el blog que estás planeando, seguir haciendo más de estos de vez en cuando: estoy seguro de que no soy el único en la comunidad que se beneficia enormemente de ellos. .
Su respuesta tiene sentido, así que gracias por eso. Veo cómo la diferencia resultante en el cálculo de la media LS afectó la relación F resultante (y el valor p posterior) entre estos dos análisis.En realidad, nunca se me ocurrió que la plataforma del modelo de ajuste en el contexto de estas pruebas de contraste estaba calculando una media LS, aunque debería haberlo sabido mejor ya que usé las medias LS para interpretar las diferencias relativas entre grupos en el contexto de un OLS. modelo de regresión en Fit Model muchas veces antes.
Pero he seguido luchando a lo largo de los años para desarrollar una comprensión suficientemente decente de la diferencia entre la media LS y la media regular y, por lo tanto, de una manera que pueda explicársela a otros.Esta es la mejor referencia que pude encontrar ampliamente disponible en Internet.http://onbiostatistics.blogspot.com/2009/04/least-squares-means-marginal-means-vs.html
Además, ¿es cierto que las medias LS tienden a estar más juntas que las medias reales (suponiendo una estructura de datos desequilibrada) y, por lo tanto, debemos tener cuidado de no cometer un error de tipo II (no detectar una diferencia cuando realmente la hay)? al interpretar las diferencias entre ellos?Probé esto con los datos de ejemplo que sugiere JMP (Drug.jmp del Índice de estadísticas "Ejemplo de ejecución" que está asociado con el tema "medias de mínimos cuadrados"), y obtengo diferencias que son menores en el caso de medias de LS frente a ... el estándar significa que, en este caso, hay tamaños de muestra iguales entre los grupos (consulte la imagen adjunta de los resultados de los análisis relevantes y los cálculos en MS Excel).
Finalmente, ¿cree que podríamos trabajar juntos para crear un buen ejemplo prototípico (usando datos simulados o datos que ya están en el directorio de muestra) que transmita de manera clara y práctica la diferencia conceptual entre medias LS y medias regulares?
¡Estoy abierto a ideas! (y estaré feliz de publicarlo como una discusión separada en la comunidad si eso tiene más sentido).
@PatrickGiuliano
Re: Comparación por pares de términos de interacciónHola @PatrickGiuliano ,
¡Grandes preguntas!
Estimación de la diferencia de medias: tienes razón, la estimación de las diferencias de medias allí es un poco diferente y pasé por alto una complejidad aquí. Cuando no tiene grupos del mismo tamaño, como es el caso aquí (hay diferentes números de estados en cada una de las regiones), las medias de mínimos cuadrados en un modelo ANOVA diferirán de las medias que calcularía sumando las observaciones. en el grupo y dividiendo por el número de individuos en el grupo. Puede leer sobre las estimaciones de LSMeans en JMP Docs, o en otros lugares, pero más brevemente, son márgenes de población pronosticados. estimaciones de las medias marginales en una población equilibrada. entonces Ese es el origen de esta diferencia: cuando recodificamos los grupos y calculamos una diferencia basada en esas medias LS, eso será diferente de estimar primero las medias LS y luego promediarlas. Si los tamaños de los grupos fueran todos iguales, no habría diferencia.
Esta es una inconsistencia lamentable que has notado en mi ejemplo mal elegido 
Aunque el MSE es más pequeño en el ejemplo que usa los contrastes, como debería basarse en lo que estaba diciendo (39,954 frente a 40,126, y puede encontrar este MSE en la tabla ANOVA normal; un contraste usa el MSE del modelo) porque el Si la diferencia de medias es ligeramente mayor en el ejemplo en el que recodificamos (por el motivo anterior), la relación F termina siendo mayor en ese ejemplo. No es el mejor ejemplo, realmente debería haber usado un conjunto de datos donde los grupos tienen el mismo tamaño, o uno donde el beneficio otorgado al usar los contrastes en lugar de la recodificación fuera más sustancial (que suele ser el caso).Sin duda elegiré un ejemplo diferente para el próximo blog. ¡Gracias por mirar este vídeo con tanta atención!
@Julian
Re: Comparación por pares de términos de interacciónHola @Julian Sí, esto es genial, gracias, definitivamente es un gran comienzo y espero con ansias la publicación del blog. Espero que no te importe si hago más preguntas mientras estudio y reflexiono sobre tus comentarios en este video.
Para empezar: tengo curiosidad por el ejemplo de Demografía de EE. UU. que mostró en el contexto de comparar las regiones S y W con las regiones MW y NE usando un contraste específico, en lugar de simplemente recodificar agrupando S/W y M/NE en Grupo 1 y Grupo 2 respectivamente y luego ejecutando un ANOVA.Un par de cosas que observé me resultaron un poco desconcertantes: ¿por qué la estimación de la diferencia de medias es 7,2929 en el Panel de Contrastes, pero en el ANOVA es 7,310?Sé que la diferencia es muy pequeña, pero ¿aquí se calcula la media de manera ligeramente diferente?
Sé que mencionaste que la media NO está cambiando, ¡son las variaciones las que se calculan de manera diferente!Y hasta ese punto, en este ejemplo observamos una relación F del panel de Contrastes de 16,5530 frente a una relación F de 16,6194 usando el ANOVA en el n recodificado (agrupado) de 2 grupos.Veo el MSE en el resultado de ANOVA, es 40,126.No veo el MSE para la prueba de contrastes en Fit-Model, pero de todos modos mi pregunta aquí es: ¿No debería ser la relación F para la prueba de contrastes? más grande que para el ANOVA debido a una mayor precisión en la estimación de MSE en el denominador (y por lo tanto un menor ¿EMPE)? En este caso, es lo contrario de lo que pensé que sería siempre: más pequeño para la prueba de contrastes en comparación con el ANOVA (sé que la diferencia numérica es prácticamente insignificante, pero todavía me hace cuestionar mi comprensión de lo que estás afirmando fundamentalmente ).¡Gracias!
Re: Comparación por pares de términos de interacciónHola @PatrickGiuliano ,
¡Absolutamente! Sigo con la intención de escribir un blog sobre esto, así que lo que hice fue grabar un tutorial rápido que presenta algunas de las formas en que uso los contrastes (que puedo hacer más rápidamente), y tomaré algo de tiempo para comenzar a trabajar en un blog. que cubre estos temas con más detalle. ¡Espero que este sea un comienzo útil!
@Julian
https://youtu.be/k3zk45WrmUI
Re: Comparación por pares de términos de interacciónHola @Julian ,
Esto es muy instructivo. ¡Gracias por brindarnos esto y por su explicación!No entendía cómo se podían utilizar contrastes específicos de esta manera, es decir, específicamente en el contexto de un predictor continuo y categórico frente a una respuesta continua.
He visto parte de su contenido en línea anterior ( https://youtu.be/3skUZZF-CuE ) donde discutió la utilidad general de ejecutar contrastes específicos.¿Podría intentar resumir las ventajas (y desventajas) prácticas aquí en este foro?
Estoy interesado en comprender mejor cómo puedo usar contrastes dentro de mis modelos de regresión LS (ejecutados en Fit Model) para probar comparaciones específicas y por qué, en todo caso, hacer estas comparaciones me brinda algo diferente o más valioso que simplemente interpretar las ¿Resultados de mis resultados estándar de comparaciones múltiples? (Tukey HSD detalla comparaciones por pares y/o informes de letras conectadas) en Fit Model?
Gracias, @PatrickGiuliano
Re: Comparación por pares de términos de interacciónHola @sarettathepooh ,
¿Puedes explicarnos un poco más qué tipo de comparación te interesa hacer? Cuando tiene un factor continuo y uno categórico, el término de interacción es una prueba de si las diferencias entre los niveles de su factor categórico difieren en diferentes niveles de su variable continua (o alternativamente y de manera equivalente, si la pendiente entre Y y su X continuo variable varía en diferentes niveles de su factor categórico). Por ejemplo, en un modelo que predice el peso a partir de la edad, la altura y la edad*altura (de Big Class.jmp), podemos ver la interacción en ambos sentidos con el generador de perfiles de predicción.
Ahora, en cuanto a su punto sobre las comparaciones por pares, si desea comparar los niveles de su factor categórico, debe hacerlo bajo el efecto principal Triángulo Rojo. Esas pruebas serían de la respuesta media para cada nivel de la variable categórica al nivel medio de la variable continua. En un modelo con interacción, resulta importante preguntarse a qué nivel de la variable continua se realizan esas comparaciones. La media es la típica opción predeterminada (y esto es lo que JMP hará a menos que se le indique que haga otra cosa). Si lo que busca es una comparación de las respuestas medias para los diferentes niveles de su factor, en algo distinto al nivel medio de la variable continua, no encontrará esa prueba bajo el término de interacción; más bien, encontrará que bajo el mismo efecto principal hay un triángulo rojo, pero usando el comando LSMeans Contrast.En el gif a continuación, puedes verme comparando a niños de 12 y 13 años, pero con 70" de altura.
¡Espero que esto ayude!
@Julian
