¿Cómo interpretar el resultado del modelo de efectos aleatorios en JMP?Ajusté un modelo de efectos aleatorios con 2 factores ( número de parte y Operador ) seleccionando la opción "Efectos aleatorios" en "Atributos" en la ventana "Ajustar modelo" (con interacción Parte*Operador).
Recibí el siguiente resultado bajo Estimaciones de los componentes de la varianza REML mesa.
Efecto aleatorio | Relación Var | Componente variable | Error estándar | 95% inferior | 95% superior | Valor p de Wald | Porcentaje del total |
Parte | 1.1555556 | 1.7333333 | 0.8656795 | 0.0366326 | 3.430034 | 0.0453* | 53.608 |
Operador | -0.004115 | -0.006173 | 0.0218 | -0.0489 | 0.0365544 | 0.7771 | 0.000 |
Pieza*Operador | -0.199588 | -0.299383 | 0.1464372 | -0.586394 | -0.012371 | 0.0409* | 0.000 |
Residual | | 1.5 | 0.3354102 | 1.0110933 | 2.4556912 | | 46.392 |
Total | | 3.2333333 | 0.9283863 | 1.9759148 | 6.2317667 | | 100.000 |
-2 LogVerosimilitud = 203.88510393
¿Cómo interpretar estos resultados?
Re: ¿Cómo interpretar el resultado del modelo de efectos aleatorios en JMP?Esta no es una discusión fácil técnicamente, pero en la práctica tengo algunas ideas:
1. Realmente no nos importan tanto los valores reales de los componentes de la varianza, sino los valores relativos comparados con los demás en el estudio.
2. Lo que más interesa es la magnitud de esos componentes (no el signo). Por lo general, JMP cambiará a estimaciones bayesianas cuando haya componentes REML negativos.
3. Siempre tenga cuidado con los valores de p... son una función de las comparaciones dentro del conjunto de datos recopilados. Si tienen alguna asociación con la realidad (o si son útiles) es una función de cómo se recopilaron los datos.
4. Además, los puntos de datos inusuales pueden tener un efecto enorme en las estimaciones de los componentes de la varianza y las pruebas cuantitativas posteriores. SIEMPRE grafique los datos y evalúe los datos en busca de puntos de datos de causas inusuales o especiales.
5. Traza los datos y compáralos con tus predicciones... ¿tiene sentido? ¿Puedes explicar lo que ves? No apagues la ingeniería ni la ciencia.
Re: ¿Cómo interpretar el resultado del modelo de efectos aleatorios en JMP?Me topé con esta discusión debido a que trataba de entender cómo interpretar las estimaciones del componente de varianza negativo con un valor p de Wald bajo (aunque en mi caso el componente de varianza negativo es para un efecto principal).Estaba suponiendo que un valor p de Wald bajo solo debería considerarse verdaderamente importante si la estimación del componente de varianza era positiva; si la estimación es negativa, no tiene sentido decir que es estadísticamente significativa.Pero su comentario sobre la estimación negativa de la interacción me tiene confundido.Interpretaría el componente de la varianza de la interacción como la variación debida a la interacción entre las partes y los operadores, por lo que si la estimación es negativa, estaba pensando que se interpretaría como no verdaderamente significativa, independientemente del valor p de Wald.Gracias.
Re: ¿Cómo interpretar el resultado del modelo de efectos aleatorios en JMP?Agregaré solo un poco a @Mark_Bailey de la explicación asegurándose de que TAMBIÉN representó gráficamente los datos usando una variedad de técnicas gráficas disponibles en las plataformas y subplataformas de Gauge R & R y/o Measurement Systems Analysis. Estos gráficos a menudo pueden ser muy informativos al visualizar funciones/características en el sistema de medición que son de interés y valiosas además de los resultados tabulares estáticos que también se presentan. Aquí hay un enlace a la documentación en línea para la plataforma MSA como un buen lugar para comenzar:
https://www.jmp.com/support/help/14-2/measurement-systems-analysis.shtml#
Y aquí hay un seminario web JMP On Demand Mastering JMP que organicé durante mi mandato en SAS que también puede resultarle valioso:
https://www.jmp.com/en_us/events/ondemand/mastering-jmp/evaluating-and-monitoring-your-process-using-msa-and-spc.html
Re: ¿Cómo interpretar el resultado del modelo de efectos aleatorios en JMP?El resultado principal de REML es la columna Componente Var. Los componentes del modelo suman el Total. El siguiente resultado es el intervalo de confianza o valor p para la relación de Wald. Las estimaciones de Parte y Parte*Operador parecen ser significativamente diferentes de cero. La jerarquía del modelo requiere mantener el término Operador aunque no parezca ser diferente de cero.
La estimación negativa del componente de interacción se debe a que en realidad es una covarianza, que puede ser negativa. Otro miembro de la comunidad podría tener más información sobre la interpretación en el caso de MSA.
La varianza de la parte es aproximadamente el 54 % del total y la residual (repetibilidad) es aproximadamente el 46 % del total, por lo que este sistema de medición no es bueno.
¿También analizó sus datos con la plataforma Variability Chart?
