需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我被要求分析多个主效应及其各种相互作用，但我认为我无法做到这一点，因为当我使用拟合模型分析时，我出现了 Lost DFs 错误消息。 如果有帮助，这里是数据的详细信息。 主要影响（大小）：位置 (4)、品种 (4)、区域（2、每个区域分组 2 个位置）和年份 (3)。 当我运行任意两个主效应最大时，我只会得到结果/似乎有足够的 DF，但从来没有进行交互。
问题 1) 我是否存在自由度问题，无法分析两个以上的主效应，希望查看所有四个主效应？
问题 2）如果我只运行两个主效应，当发现主效应不显着时重新运行模型是否正确？ 例如，我运行了“年份位置”，发现两者都不显着，因此我重新运行模型，删除了“年份”，因为我对“位置”感兴趣，并再次发现“位置”不显着，但 p 值较低。
感谢任何建议
回复：需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型特拉维斯：我同意您从马丁和迈克那里收到的上述所有建议和忠告。 您可能需要考虑的另一种方法是，如果您正在运行 JMP Pro，即拟合模型平台中的广义回归特性。 广义回归可以在多种情况下成功使用，“DF 不足”就是其中之一。 不是万能药，但可能会有所帮助。
回复：需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型非常感谢您的回复。
就您提出的问题而言：
- 每个响应/Y 有 48 行观测值（单宁、pH、TA、SSC 和 SG），但这些观测值分布在 4 个品种、4 个地点和三年多的时间里，因此 48/4/4/3 = 1、无重复。
- 让缺乏复制的情况变得更加复杂，我确实丢失了一些年份的数据。 例如，对于 2012 年的品种 A，我可能有位置 AC 的数据，但没有位置 D 的数据。
- 我似乎没有异常问题，但又很难判断我的情况
- 数据来自观察性研究；从参与的种植者那里收集水果，榨汁成复合材料，并从复合材料中得出五种测量/响应。 这个过程是在三年内对四个地点的每个品种进行的。 唯一的随机化发生在种植者为我们选择水果时。 但我们再次缺乏复制，即代表每个位置的多个果园，而不仅仅是一个。
以下是拟合模型（个性：标准最小二乘法，重点：效应杠杆）的一些输出，其中全因子减去三向交互作用。 看起来不错，只是无法测试三向，这可能意义不大。
谢谢
回复：需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型你是否尝试过逐步回归性格？
回复：需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型非常感谢您抽出宝贵时间回复。 我希望这是有道理的：
我没有重复，这是一项非常薄弱的观察性研究。 例如，对于酸度的响应变量，我有 48 个观测值，但分布在 4 个地点、4 个品种、3 年多的时间内 (48/4/4/3 = 1)。 我确实通过一些更改重新分析了数据（修复了一些用户错误），并且能够测试四个主要效果中的三个和双向交互，如下所示，但不能测试三向交互。
1) 我可以通过偏最小二乘分析来测试三向交互吗？
2) 我无法测试第四个主效应“区域”（将 4 个位置分为 2 个区域）（无论是否有交互）的原因是因为它与位置共线吗？ 如果是这样，我是否可以在模型中不使用它来继续操作？ 它实际上不需要在模型中，但如果可能的话最好进行测试。
3) 假设 1) 和 2) 得到解决，如果发现主效应不显着，则从模型中删除主效应是否正确，或者仅允许非显着交互作用？
谢谢
全阶乘：（拟合模型，个性：标准最小二乘法，强调：效应杠杆）
全阶乘减去三向交互：
回复：需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型我一直使用的一条经验法则是，您尝试运行的模型中的每一项都需要 1 个自由度，再加上 1 个额外的截距自由度（最小值）。该规则不允许您估计模型中的误差项，因此您将需要额外的自由度。
从第一个表看来，您正在尝试描述具有 10 个项（包括截距）的模型，并且数据表中只有 7 或 8 行。这意味着您正在尝试提出一个过饱和的模型。在这种情况下，偏最小二乘法可能会有所帮助，您可能需要查看“分析”>“多元方法”>“偏最小二乘法”下的该选项。否则，您似乎没有足够数量的观察结果来执行您的建议。
回复：需要多少个 DF 才能测试 X 个主效应 - JMP 拟合模型嗨特拉维斯亚历山大0！
我下面的所有回答都是基于没有数据来进行简短的研究。 我这样说是因为有不同的可能性，为什么你可能会或可能不会发现更多的主效应是显着的。
首先，我猜您正在使用标准最小二乘法作为建模算法和模型结果的效果测试，对吗？ 如果是这样，主要有两个原因导致主效应显示不显着。 要么不显着，意味着它对响应没有显着影响，要么存在共线性，例如位置（在所有三个模型中都不显着，例如与年份或品种相关。
同样，如果没有完整的数据设置，我只能猜测。 但这就是我在建模之前首先要做的事情：
1. 打开分布平台并将所有因子和响应变量设置为 Y。 然后单击任何直方图条（例如“位置”），查看所选分布的位置以及它与所有其他变量的总体分布有何不同。 您发现所选分布和整体分布之间有什么差异吗？ 或者模式，比如一个位置的值低于另一个位置的值，等等。 这将使您能够以一种非常简单的方式查看这里是否有任何可疑的情况发生，这可能会导致重大行为（即使尚未得到统计证明）。
2. 看一下“Fit Y by X”。 我想位置、品种和区域是明确的，也可能是年份。 使用您的响应作为 Y，将其他响应作为 X。 您将得到分类 X 的方差分析（如果您的 Y 是连续的，否则为偶然分析）。无论哪种方式，您都会看到一个 X 对一个 Y 是否有显着影响。 这可以帮助您了解模型中是否存在重要的、不重要的东西。 那么很可能是由于某种相互作用的影响。
3. 查看拟合模型。 拟合 RSM 模型，以便所有 X 变量的所有交互作用和二次效应。 由于它们可能都是绝对的，因此您不需要二次效应，并且可能会收到警告。 不是不运行标准最小二乘法，而是逐步回归。 使用 p 值阈值作为停止标准，并将其余保留为默认值。 现在检查哪些影响是显着的。 它们与您之前的型号有什么不同吗？
仅使用选定的效果创建模型，然后使用标准最小二乘法再次运行该模型。 您仍然遇到 DoF 问题吗？
除了上述内容之外，您还可以查看模型中的失拟检验，通常在方差分析下面的报告中。 F 概率显着吗？ 如果是这样，则表明该模型缺少效果。 因此，要么缺少交互，要么存在您未使用或捕获的其他变量。 但该模型无法很好地反映您的数据。 您可以在分析器上查看实际的预测图、残差图。更好地了解基于模型的因素的行为。
因此，使用图形生成器/分布或其他平台的视觉效果将为您提供对数据的一些一般理解，建模平台将帮助您找到一个好的模型，但只能对您提供的模型进行工作。 有一些复杂的模型可以根据算法为您完成这项工作，如果您有 JMP Pro，则可以使用它们（例如引导森林、广义回归...）。
到目前为止我还没有问到的另一个方面是关于您的数据。 您有多少个观察结果（/行）？ 里面有缺失数据吗？你有（潜在的）异常值吗？ 数据是来自设计的实验还是来自测量或收集的销售数据？
所有这些可能会导致我推荐的方法略有不同，因为他们每个人都有其他挑战需要克服和考虑，
希望这有助于下一步，
马丁
