Re: résidus REML - Bug ou valeur vraie?Merci pour la réponse et votre explication. Je ne veux pas établir les blocs à l'avenir, donc «Bloc» est un effet aléatoire. J'ai uniquement utilisé le modèle de régression pas à pas pour la sélection de variables, car cela n'est pas implémenté avec REML.
Supposons que la formule suivante soit utilisée pour calculer les résidus étudiés:
( https://newonlinecourses.science.psu.edu/stat501/node/401/ )
- MSE (i) = erreur quadratique moyenne des résidus, avec l'observation i supprimée
- hii = effet de levier
- ei = yi - yihat (pour un modèle où l'observation i est supprimée)
J'ai vérifié deux fois et ni MSE (i), ni ei n'est égal à 0. J'ai aussi vérifié si hii est à 1, mais ce n'est pas le cas ( 
https://de.mathworks.com/help/stats/hat-matrix-and-leverage.html ). Je suis vraiment curieux de savoir comment l'erreur standard a pour résultat 0 ou est manquant. Comment l'erreur-type du résidu est-elle calculée exactement? Est-ce que quelque chose me manque ici?
À votre santé
Re: résidus REML - Bug ou valeur vraie?Tout d'abord, le choix d'un effet fixe ou aléatoire dépend de la nature du facteur et de la manière dont vous voyez sa contribution à la réponse. Pouvez-vous établir les mêmes blocs à l'avenir? Pouvez-vous utiliser le niveau de bloc pour prédire les observations futures? Cela ressemble à un effet fixe pour moi. Si vous ne pouvez pas établir les mêmes blocs à l'avenir, il est probable que les niveaux de cette expérience constituent un échantillon et que l'expérience suivante consisterait en un nouvel échantillon de blocs. Cela ressemble à un effet aléatoire pour moi.
Deuxièmement, le résidu étudiant est l'erreur estimée dans la réponse (résidu) divisée par l'erreur type du résidu. Vous pouvez voir cette erreur standard. Cliquez sur le triangle rouge en haut et sélectionnez Enregistrer les colonnes> Erreur standard de résidu. Ce résultat est ce que j'ai trouvé:
(Image supprimée pour des raisons de confidentialité.)
Par conséquent, le résidu de Student pour l'observation 3 est inhabituellement élevé, car l'erreur-type est exceptionnellement petite. (Pensez au rapport t) Le résidu Studentisé de l'observation 7 est manquant, car l'erreur type (dénominateur du rapport) est manquante.
Résidus REML - Bug ou True Value?Salut,
Je suis relativement nouveau dans la construction de modèles avec REML. J'ai rencontré un comportement habituel de résidus et je ne suis pas sûr qu'il s'agisse d'un bug ou non:
Je n'ai aucune connaissance préalable de l'interaction des différents facteurs. Par conséquent, je construis d'abord un modèle de régression pas à pas (nommé 'SR: Response - BIC' dans le tableau de données), dans lequel j'ai utilisé le facteur de blocage comme facteur catégorique. Après avoir identifié les paramètres significatifs, je reconstruis le modèle avec REML (nommé 'REML: Response' dans le tableau de données) en utilisant les mêmes paramètres que dans le modèle de régression pas à pas, mais j'ai changé le facteur de blocage en un effet aléatoire.
Après cela, j’ai sauvé les résidus étudiés des deux modèles. Les résidus du modèle de régression par étapes semblent plutôt «normaux». Cependant, les résidus du modèle REML incluent une valeur aberrante énorme (analyse 10), bien que le graphique réel par rapport au graphique prédit ne montre aucune anomalie. De plus, la valeur résiduelle pour l'exécution 4 est manquante et je ne peux pas expliquer pourquoi c'est le cas.
Est-ce que quelqu'un sait, pourquoi cette valeur aberrante existe et pourquoi le résidu est manquant? Merci d'avance!
Description des données:
- 1 réponse
- 9 facteurs
- 1 facteur de blocage
Logiciel:
