Problème lié aux estimations de paramètres dans une interaction de régression dans des modèles mixtes à effets aléatoiresBonjour à tous, Je recherche une solution pour comprendre l’interaction entre la catégorie d’annonce et le score d’achat compulsif. J'ai utilisé un modèle mixte linéaire à effets fixes et à effets aléatoires ("Stimuli ID" et "Subject ID"). Alors que dans la régression sans déclarations à effets aléatoires, vous avez la possibilité d’utiliser l’option Estimations étendues pour obtenir le tableau complet des estimations de paramètres, il n’existe pas d’option dans le cas des modèles à effets mixtes. Comment puis-je voir le coefficient de régression et le niveau de signification de la catégorie, qui sont cachés dans mes estimations de paramètres?
Problème lié aux estimations de paramètres dans une interaction de régression dans des modèles mixtes à effets aléatoiresLes tests des estimations de paramètres s'appuient sur l'hypothèse nulle que le paramètre est égal à zéro. Cela est distinct et distinct du paramétrage du modèle pour les facteurs catégoriels, ce qui nécessite que les estimations soient totalisées à zéro.
Problème lié aux estimations de paramètres dans une interaction de régression dans des modèles mixtes à effets aléatoiresJ'ai une question de clarification. Dois-je bien comprendre que les valeurs du tableau d'estimation de paramètres, telles que la valeur p et les coefficients, soient rapportées pour être comparées à la catégorie de référence? Par exemple, si j’ai trois interactions Ad1 * CBS, Ad2CBS et Ad3CBS, la valeur p du tableau des estimations de paramètres indique simplement que l’interaction Ad1 * CBS est très différente de la catégorie de référence Ad0CBS (qui n’est pas exposée dans les estimations de paramètres). niveau)? Donc si je recode par commande de valeur et obtenir les valeurs pour ma catégorie de référence, il ne dit pas beaucoup plus que cette interaction est significativement différente de celle que je mets à 0 maintenant?
Si je veux comprendre, si le CBS prédit la variable dépendante dans chacune des catégories, est-il exact de dire qu'il ne suffit pas d'étudier le tableau d'estimations de paramètres et que je dois exécuter la régression des termes d'interaction factice: http://www.restore.ac.uk/srme/www/fac/soc/wie/research-new/srme/modules/mod3/11/index.html ?
Désolé de ma confusion, je travaille habituellement avec des données catégoriques et cette affaire me laisse encore un peu perplexe.
Je vous remercie,
Dalia
Problème lié aux estimations de paramètres dans une interaction de régression dans des modèles mixtes à effets aléatoiresMerci beaucoup, tout a fonctionné parfaitement!
Problème lié aux estimations de paramètres dans une interaction de régression dans des modèles mixtes à effets aléatoiresVous voyez les estimations de paramètres pour tous les niveaux sauf le "dernier" en raison de la façon dont JMP paramètre les effets catégoriques dans votre modèle linéaire. L'ordre des niveaux est (généralement) alphabétique ou numérique. Vous pouvez modifier cet ordre et imposer votre propre ordre en définissant le Commande de valeur propriété de la colonne. De cette façon, vous pouvez créer un autre niveau qui n’est pas statistiquement significatif ou pratiquement important le dernier niveau. Sélectionnez la colonne de données avec la catégorie d'annonce, sélectionnez Cols> Informations sur la colonne, cliquez sur Propriétés de la colonne, sélectionnez Ordre des valeurs, puis sélectionnez et déplacez le dernier niveau dans la liste des valeurs.
