嗨，虽然这个职位已有5年历史了，但是我很感兴趣这个话题。 您是否能够解决JMP与remlscore之间的差异？ 此外，JMP给出了预测/置信区间，而remlscore则没有。 JMP提供的技术信息非常稀疏，因此任何见识都将不胜感激。
以下是一些有用的参考：
史密斯（GK） （2002）。 “异方差回归中REML的有效算法”，计算与图形统计杂志，第11期，第1-12页。
Verbyla，AP（1993）。 “建模方差异质性：残差最大似然和诊断”，《皇家统计学会杂志》，B系列（方法学）55（2），第493-508页。
嗨，JMPers！
我试图对对数线性方差模型有更深入的了解。 因此，我使用了JMP文档中的InjectionMolding-example示例。 当然，使用JMP，我可以从网站上复制结果。
此外，我在R中实现了ML估计器（基于Harvey论文）。 此外，我尝试了R中的statmod-package中的remlscore函数（像Smyth 2002一样对REML进行了描述）。 有趣的结果是，对于估计的残差方差，我在R中的两个函数都得到了非常相似的结果（〜1.88，〜1.9），但在JMP中，该数字却大不相同：〜6.69。
现在我很好奇，这是否只是参数化方面的一些区别？ 所有其他数字都很好地匹配。
这是R代码，如果有帮助的话：
library(statmod)
# Sample Data
d = read.csv("Desktop/InjectionMolding.csv")
x = cbind(rep(1, nrow(d)), d[,c(2, 3)], d[,2]*d[,3]) # MoldTemp, Screw.Speed, 2FI
x = apply(x, 2, as.numeric)
z = d[,4] # Hold.Time
z = cbind(rep(1, length(z)), z)
y = d[,9] # Shrinkage
y = as.matrix(y)
colnames(x) = c("Const", "MoldTemp", "ScrewSpeed", "MoldXScrew")
colnames(z) = c("Const", "HoldTime")
colnames(y) = c("Strength")
reml_est = remlscore(y=y,X=x,Z=z)
reml_est
