Estimación de pendientes e intersecciones en ANCOVAMe siento particularmente tonto hoy y espero que alguien pueda ayudarme a sentirme más inteligente.Al ejecutar un ANCOVA con pendientes separadas, me gustaría obtener estimaciones de las pendientes y las intersecciones de cada grupo junto con las pruebas t de significación.En SAS, puedo ejecutar GLM y especificar el modelo de esta manera (usando la tabla de datos "Drug" de JMP):
modelo y = Medicamento Medicamento*x / solución noint;
No puedo encontrar nada en JMP que sea comparable a esto.Especificar el mismo modelo anterior en el cuadro de diálogo Ajustar modelo me da algo totalmente diferente a lo que da SAS.He intentado mostrar estimaciones de parámetros de indicadores, estimaciones extendidas y casi todo lo que se encuentra en el elemento de menú "Efectos" en la ventana de resultados de Ajustar modelo.Me doy cuenta de que JMP parametriza el modelo de manera diferente a SAS, pero aún no he encontrado la combinación correcta de especificación del modelo y opciones para duplicar los resultados de SAS.También me doy cuenta de que uno puede averiguar cuáles son las pendientes y las intersecciones de la tabla de estimaciones de parámetros, pero las pruebas están comprobando si las desviaciones son significativamente diferentes de cero, no si las pendientes e intersecciones del grupo son diferentes de cero (a menos que realmente esté más tonto de lo que me siento hoy).
Re: Estimación de pendientes e intersecciones en ANCOVATratando de mantener la comparación de modelos similares, aquí está la salida SAS para peso = sexo con una intersección:
Entonces, el peso medio para sexo = F es igual a 108.3181818 - 7.3737374 = 100.94444 (predicción).
Aquí está la salida JMP para el mismo modelo:
Entonces, el peso medio para el sexo = F es igual a 104.63131 - 3.686869 = 100.94444, el mismo valor predicho
Eliminemos el término de intersección del modelo y veamos qué sucede. Aquí está la salida de SAS para el nuevo modelo:
El peso medio para sexo = F es 100,94444 nuevamente.
¿Qué tal JMP?
Mmm, eso es diferente. ¡Sin embargo, esta estimación no es incorrecta! JMP usa codificación de efectos para el predictor lineal y este modelo de modelo restringido no es el mismo que el modelo restringido en SAS GLM. Esta estimación es la mejor en el sentido de los mínimos cuadrados, pero no se ajusta bien con solo el sexo como predictor. No debe eliminar la intercepción. Esa es la lección aquí.
Re: Estimación de pendientes e intersecciones en ANCOVARecibí noticias del soporte técnico de JMP sobre las diferencias:
"En un caso simple del modelo peso=sexo, PROC GLM incluye una columna en la matriz de diseño para ambos niveles de 'sexo', por lo que cuando se elimina la intersección, todavía quedan 2 columnas para los dos parámetros (una para hombres , uno para mujer). JMP, por otro lado, solo tendrá una sola columna en la matriz de diseño, por lo que solo se estima un parámetro. No coincidirán con los modelos sin intercepción si se incluyen los efectos categóricos".
Re: Estimación de pendientes e intersecciones en ANCOVAUsando los datos de BigClass, esto es lo que obtengo de PROC GLM con MODEL peso = sexo sexo*altura/noint solución;
Parámetro | Estimar | Estándar Error | valor t | Pr > |t| |
| sexo F | -189.7725451 | 65.19174041 | -2.91 | 0.0061 |
| sexo M | -109.0144590 | 51.63743795 | -2.11 | 0.0418 |
| altura*sexo F | 4.7745491 | 1.06889262 | 4.47 | <.0001 |
| altura*sexo M | 3.4006530 | 0.80623574 | 4.22 | 0.0002 |
La interpretación de las estimaciones de los dos parámetros de sexo es que son las intersecciones de F y M y las estimaciones de los parámetros de altura*sexo son las pendientes de F y M.Las pruebas en esta tabla prueban si estas estimaciones de parámetros son significativamente diferentes de cero.Mi pregunta original se refería principalmente a cómo duplicar esta tabla en JMP.El gráfico producido por Fit Model es el mismo que el gráfico producido por PROC GLM, pero las tablas de estimación de parámetros son muy diferentes.
Re: Estimación de pendientes e intersecciones en ANCOVAEste es el modelo ANCOVA que encaja (todavía usando el ejemplo de Big Class):
Este es el modelo ANCOVA de los mismos datos con un término de intersección y un predictor continuo centrado:
Las condiciones del primer modelo son muy diferentes a las del segundo modelo. No son simplemente alternativas matemáticas (intersección y efecto categórico versus intersecciones categóricas).
Re: Estimación de pendientes e intersecciones en ANCOVANo hay un parámetro de intersección en la especificación del modelo SAS o JMP, por lo que no hay una estimación de la intersección. (Editar: me doy cuenta de que te refieres al efecto de grupo como una intercepción. Esa es una interpretación justa pero diferente de la mía. La interpretación de la intersección también es más turbia sin centrar).
La prueba del efecto de la interacción se utiliza para determinar si la pendiente es diferente para cualquier grupo. (Editar: no creo que tenga claro lo que quieres. Dejando a un lado las discrepancias, la salida de JMP (lo que se proporciona) es la misma que la de SAS.
Estoy investigando la naturaleza de las diferencias entre SAS GLM y JMP Fit Least Squares, pero no sé cuándo podría tener una explicación.
Re: Estimación de pendientes e intersecciones en ANCOVAGracias por su respuesta rápida.Su ejemplo en realidad ilustra mi punto.Las estimaciones de intercepción de SAS no coinciden con las de JMP, ni siquiera se acercan.Las estimaciones de intercepción de JMP parecen ser desviaciones de algo, pero no me queda claro qué podría ser.La situación se vuelve aún más confusa si ejecuta el modelo con el efecto principal de "altura".
Re: Estimación de pendientes e intersecciones en ANCOVAAcabo de usar el ejemplo de JMP Big Class. Usé Analizar > Ajustar modelo para especificar el modelo y luego hice clic en el triángulo rojo para seleccionar Enviar a SAS. Este programa es lo que JMP creó para mí.
DATA Big_Class; INPUT sex &$ height weight; Lines;
F 59 95
F 61 123
F 55 74
F 66 145
F 52 64
M 60 84
M 61 128
M 51 79
F 60 112
F 61 107
F 56 67
M 65 98
M 63 105
M 58 95
M 59 79
F 61 81
F 62 91
F 65 142
F 63 84
F 62 85
M 63 93
M 64 99
M 65 119
M 64 92
M 68 112
M 64 99
M 69 113
F 62 92
F 64 112
M 67 128
M 65 111
M 66 105
M 62 104
M 66 106
F 65 112
F 60 115
M 68 128
F 62 116
M 68 134
M 70 172
;
RUN;
PROC GLM DATA=Big_Class ALPHA=0.05;
CLASS sex;
MODEL weight = sex height sex*height / noint solution;
RUN;
Aquí está la salida SAS:
En primer lugar, solicitaste un modelo lineal sin intersección. Simplemente marque esta opción en el medio de la parte inferior del cuadro de diálogo de inicio Ajustar modelo. Haga clic en el triángulo rojo y anule la selección de Center Polynomios. Haga clic en Ejecutar. Luego haga clic en el triángulo rojo en la parte superior y seleccione Estimaciones > Estimaciones ampliadas.
Aquí está la salida JMP:
Las estimaciones son diferentes porque JMP parametriza los términos de manera diferente a PROC GLM. ¿Es este informe lo que estás buscando?
