Re: REML-Residuen - Bug oder True Value?Vielen Dank für die Antwort und Ihre Erklärung. Ich möchte die Blöcke in Zukunft nicht mehr einrichten, daher ist "Block" ein zufälliger Effekt. Ich habe nur das schrittweise Regressionsmodell für die Variablenauswahl verwendet, da dies mit REML nicht implementiert ist.
Angenommen, die folgende Formel wird zur Berechnung der studentisierten Residuen verwendet:
( https://newonlinecourses.science.psu.edu/stat501/node/401/ )
- MSE (i) = mittlerer quadratischer Fehler der Residuen, wobei die Beobachtung gelöscht wurde
- hii = Hebel
- ei = yi - yihat (für ein Modell, bei dem die Beobachtung i gestrichen ist)
Ich habe doppelt geprüft und weder MSE (i), noch ei ist 0. Ich habe auch geprüft, ob hii 1 ist, aber das ist nicht der Fall ( 
https://de.mathworks.com/help/stats/hat-matrix-and-leverage.html ). Ich bin wirklich gespannt, wie der Standardfehler zu 0 führt oder fehlt. Wie genau wird der Standardfehler des Residuums berechnet? Vermisse ich hier etwas?
Prost
Re: REML-Residuen - Bug oder True Value?Zuallererst hängt die Wahl eines festen oder zufälligen Effekts von der Art des Faktors ab und davon, wie Sie seinen Beitrag zur Reaktion sehen. Können Sie in Zukunft die gleichen Blöcke aufbauen? Können Sie die Blockebene verwenden, um zukünftige Beobachtungen vorherzusagen? Das klingt für mich nach einem festen Effekt. Wenn Sie in Zukunft nicht dieselben Blöcke erstellen können, sind die Ebenen in diesem Experiment wahrscheinlich eine Stichprobe, und das nächste Experiment wäre eine neue Stichprobe der Blöcke. Das klingt für mich nach einem zufälligen Effekt.
Zweitens ist das studentisierte Residuum der geschätzte Fehler in der Antwort (Residuum) geteilt durch den Standardfehler des Residuums. Sie können diesen Standardfehler sehen. Klicken Sie oben auf das rote Dreieck und wählen Sie Spalten speichern> Standardfehler des Rests. Dieses Ergebnis habe ich gefunden:
(Bild aus Gründen der Vertraulichkeit entfernt.)
Das studentisierte Residuum für Beobachtung 3 ist daher ungewöhnlich groß, weil es einen ungewöhnlich kleinen Standardfehler aufweist. (Think t-ratio) Das studentisierte Residuum für Beobachtung 7 fehlt, weil der Standardfehler (Nenner für Ratio) fehlt.
REML-Residuen - Fehler oder wahrer Wert?Hallo,
Ich bin relativ neu im Erstellen von Modellen mit REML. Ich habe ein normales Verhalten von Residuen festgestellt und bin mir nicht sicher, ob es sich um einen Fehler handelt oder nicht:
Ich habe keine Vorkenntnisse in Bezug auf die Interaktion der verschiedenen Faktoren. Daher erstelle ich ein Modell mit schrittweiser Regression (in der Datentabelle 'SR: Response - BIC' genannt), bei dem ich den Blockierungsfaktor als kategorialen Faktor verwendet habe. Nachdem ich die signifikanten Parameter identifiziert hatte, erstellte ich das Modell mit REML (in der Datentabelle mit 'REML: Response' bezeichnet) unter Verwendung der gleichen Parameter wie im schrittweisen Regressionsmodell neu, änderte jedoch den Blockierungsfaktor in einen zufälligen Effekt.
Danach habe ich die studentisierten Residuen beider Modelle gespeichert. Die Residuen des schrittweisen Regressionsmodells sehen ganz normal aus. Die Residuen des REML-Modells enthalten jedoch einen großen Ausreißer (Lauf 10), obwohl die tatsächliche gegenüber der vorhergesagten Darstellung keine Anomalien aufweist. Außerdem fehlt der Restwert für Lauf 4 und ich kann nicht erklären, warum dies der Fall ist.
Weiß jemand, warum dieser Ausreißer existiert und warum der Rest fehlt? Danke im Voraus!
Daten Beschreibung:
- 1 Antwort
- 9 Faktoren
- 1 Sperrfaktor
Software:
