X 個の主効果をテストするために必要な DF の数 - JMP フィット モデル<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />複数の主効果とそれらのさまざまな相互作用を分析するように依頼されましたが、モデルの適合分析を使用すると、「DF の喪失」エラー メッセージが表示されるため、分析することはできないと思います。 役立つ場合に備えて、データの詳細をここに示します。 主な効果 (サイズ): 場所 (4)、品種 (4)、地域 (2、地域ごとにグループ化された 2 つの場所)、および年 (3)。 2 つの主効果を最大で実行した場合にのみ結果が得られ、十分な DF があるように見えますが、インタラクションでは決して得られません。
質問 1) 4 つすべてを調べたいのに 2 つ以上の主効果を分析できないという点で、自由度の問題はありますか?
質問 2) 2 つの主効果のみを実行する場合、主効果が有意でないことが判明したときにモデルを再実行するのは正しいですか? たとえば、年の場所を実行しましたが、どちらも有意ではなかったことがわかりました。そこで、場所に興味があるので年を削除してモデルを再実行したところ、場所は有意ではないものの、p 値が低いことが再びわかりました。
アドバイスをよろしくお願いします
Re: X 個の主効果をテストするには何個の DF が必要ですか - JMP フィットモデルトラヴィス: 上記のマーティンとマイクからあなたが受け取ったすべてのアドバイスとアドバイスに私は同意します。 考慮すべきもう 1 つのアプローチは、JMP Pro を実行している場合、Fit Model プラットフォーム内の一般化回帰パーソナリティです。 一般化回帰はさまざまな状況で使用でき、成功します。「DF が不十分」もその 1 つです。 万能薬ではありませんが、役立つかもしれません。
Re: X 個の主効果をテストするには何個の DF が必要ですか - JMP フィットモデルご返信いただきまして誠にありがとうございます。
あなたが提起した質問に関しては、次のとおりです。
- 応答/Y ごとに 48 行の観測値 (タンニン、pH、TA、SSC、および SG) がありますが、これらの観測値は 4 つの品種、4 つの場所、3 年間に分割されているため、48/4/4/3 = 1、複製なし。
- レプリケーションがないことをさらに複雑にしているのは、いくつかの年のデータが欠落していることです。 たとえば、2012 年の品種 A については、場所 AC のデータはあるかもしれませんが、D はありません。
- 異常値の問題があるようには見えませんが、私の状況ではやはり判断が難しいです
- データは観察研究からのものです。参加している生産者から果物を集め、ジュースを加えて合成し、その合成から 5 つの測定値と応答を抽出しました。 この作業を品種ごとに４か所で３年かけて実施した。 唯一のランダム化は、生産者による果物の選択時に発生しました。 しかし、ここでも複製が不足していました。つまり、各ロケーションを 1 つだけではなく複数の果樹園が表していました。
以下は、完全階乗から 3 元交互作用を差し引いた、適合モデル (性格: 標準最小二乗法、強調: 効果レバレッジ) からの出力の一部です。 かなり良さそうですが、3 方向をテストできないだけで、重要ではないかもしれません。
ありがとう
Re: X 個の主効果をテストするには何個の DF が必要ですか - JMP フィットモデル性格として段階的退行を試みたことがありますか?
Re: X 個の主効果をテストするには何個の DF が必要ですか - JMP フィットモデルご返信いただきまして誠にありがとうございます。 これが意味をなすことを願っています:
私には複製がなく、非常に弱い観察研究です。 たとえば、酸性度の応答変数の場合、48 個の観測値がありますが、それは 3 年間にわたって 4 つの場所、4 つの品種に分割されています (48/4/4/3 = 1)。 いくつかの変更を加えてデータを再分析し (いくつかのユーザー エラーを修正)、以下に示すように 4 つの主効果のうち 3 つと 2 方向の相互作用をテストできましたが、3 方向の相互作用はテストできませんでした。
1) 部分最小二乗法分析を使用して 3 方向の相互作用をテストできますか?
2) 交互作用の有無にかかわらず、4 番目の主効果である地域 (4 つの場所を 2 つの地域にグループ化したもの) をテストできなかったのは、それが場所と同一線上にあるためですか? その場合、モデル内でそれを使用せずにそのまま続行する必要がありますか? 実際にはモデルに含める必要はありませんが、可能であればテストするとよいでしょう。
3) 1) と 2) が解決されたと仮定すると、有意でないことが判明した場合に主効果をモデルから削除するのは正しいですか、それともこれは有意でない交互作用にのみ許可されますか?
ありがとう
完全階乗: (モデルの適合、特性: 標準最小二乗法、強調: 効果のレバレッジ)
完全階乗マイナス三元交互作用:
Re: X 個の主効果をテストするには何個の DF が必要ですか - JMP フィットモデル私が常に使用している経験則は、実行しようとしているモデルの各項に 1 つの自由度に加えて、切片に追加の自由度が 1 つ、つまり最小限必要であるということです。このルールではモデル内の誤差項を推定することができないため、追加の自由度が必要になります。
最初のテーブルから、10 個の項 (切片を含む) でモデルを記述しようとしているように見えますが、データ テーブルには 7 行または 8 行しかありません。これは、過飽和になるモデルを提案しようとしていることを意味します。このような場合、部分最小二乗法が役立つ場合があります。[分析] > [多変量手法] > [部分最小二乗法] でそのオプションを確認するとよいでしょう。そうでなければ、提案していることを実行するのに十分な数の観察がないようです。
Re: X 個の主効果をテストするには何個の DF が必要ですか - JMP フィットモデルこんにちは、travis.alexander0!
以下で私が答えるすべては、簡単に調べるためのデータがないことに基づいています。 なぜこれを言ったのかというと、より多くの主効果が重要であると思われる場合とそうでない場合には、さまざまな可能性があるからです。
まず第一に、モデリング アルゴリズムとモデルの結果の効果テストとして標準最小二乗法を使用していると思いますよね? その場合、主効果が重要ではないと表示される理由は主に 2 つあります。 有意ではないか、応答に有意な影響がないことを意味するか、または共線性があり、たとえば場所 (3 つのモデルすべてで有意ではない) が年または品種のいずれかと相関しているかのいずれかです。
繰り返しますが、データの完全なセットアップができていないので、推測することしかできません。 しかし、それがモデリングの前に最初に行うことです。
1. 配布プラットフォームを開き、すべての要因と応答変数を Y として入力します。 次に、場所などのヒストグラム バーをクリックして、選択した分布がどこにあるか、および他のすべての変数の全体の分布とどのように異なるかを確認します。 選択した分布と全体の分布に違いはありますか? または、ある場所の値が他の場所よりも低いなどのパターン。 これにより、(統計的にまだ証明されていない場合でも) 重大な動作を引き起こす可能性のある不審なことがここで起こっているかどうかを非常に簡単に確認できます。
2. Y by X のフィットを見てください。 場所、品種、地域がカテゴリー的であり、年もあるかもしれません。 応答を Y として使用し、その他を X として使用します。 カテゴリカル X の分散分析が得られます (Y が連続の場合、それ以外の場合は偶発性分析)。いずれの方法でも、1 つの X が 1 つの Y に重大な影響を与えるかどうかがわかります。 これは、モデル内に重要でないものに重要なものがあるかどうかを確認するのに役立ちます。 そうすると、何らかの相互作用効果によるものと考えられます。
3. モデルの適合を確認します。 RSM モデルを適合させて、すべての X 変数のすべての相互作用と二次効果を適用します。 これらはおそらくすべてカテゴリカルであるため、二次効果は必要なく、警告が表示される可能性があります。 標準最小二乗法ではなく、段階的回帰を実行します。 p 値のしきい値を停止基準として使用し、残りはデフォルトのままにします。 次に、どのような効果が重要であるかを確認してください。 以前のモデルと違いはありますか？
選択した効果のみを使用してモデルを作成し、標準最小二乗法を使用して再度実行します。 まだ DoF の問題が発生しますか?
上記に加えて、通常は分散分析の下のレポートで、モデルの不適合テストを確認することもできます。 F 確率は重要ですか? そうであれば、モデルにエフェクトが欠けていることがわかります。 したがって、インタラクションが欠落しているか、使用またはキャプチャされていない他の変数が存在します。 しかし、モデルはデータを十分に反映していません。 実際の予測プロット、残差プロットもプロファイラーで確認できます。モデルに基づいて要素の動作をより深く理解することができます。
したがって、グラフ ビルダー/ディストリビューションまたはその他のプラットフォームのビジュアルを使用すると、データについてある程度の一般的な理解を得ることができます。モデリング プラットフォームは、適切なモデルを見つけるのに役立ちますが、機能できるのは提供されたモデルのみです。 アルゴリズムに基づいてその作業を実行できる洗練されたモデルがあり、JMP Pro をお持ちの場合はそれらを使用できます (ブートストラップ フォレスト、一般化回帰など)。
これまで質問しなかったもう 1 つの側面は、データに関するものです。 観測値 (/行) はいくつありますか? 不足しているデータはありますか? (潜在的な) 外れ値はありますか。 データは計画された実験からのものですか、それとも測定や収集された販売データからのものですか?
これらすべては、それぞれが克服し考慮すべき他の課題があるため、私がお勧めする少し異なるアプローチにつながる可能性があります。
これが次のステップに進むのに役立つことを願っています、
マーティン
