226115_de-DE

liliconcom

Schätzung von Steigungen und Abschnitten in ANCOVA

Ich fühle mich heute besonders dumm und hoffe, dass mir jemand helfen kann, mich schlauer zu fühlen.Wenn ich eine ANCOVA mit separaten Steigungen durchführe, möchte ich Schätzungen der Steigungen und Achsenabschnitte jeder Gruppe zusammen mit den t-Tests der Signifikanz erhalten.In SAS kann ich GLM ausführen und das Modell wie folgt angeben (mithilfe der JMP-Datentabelle „Drug“):

Modell y = Medikament Medikament*x / keine Lösung;

 

Ich kann in JMP nichts Vergleichbares finden.Die Angabe des gleichen Modells oben im Dialogfeld „Modell anpassen“ ergibt etwas, das sich völlig von dem unterscheidet, was SAS liefert.Ich habe versucht, Indikatorparameterschätzungen, erweiterte Schätzungen und so ziemlich alles, was dazu gehört, unter dem Menüpunkt „Effekte“ im Ergebnisfenster „Modell anpassen“ anzuzeigen.Mir ist klar, dass JMP das Modell anders parametrisiert als SAS, aber ich habe noch nicht die richtige Kombination aus Modellspezifikation und Optionen gefunden, um die SAS-Ergebnisse zu duplizieren.Mir ist auch klar, dass man die Steigungen und Achsenabschnitte aus der Parameterschätztabelle ermitteln kann, aber die Tests testen, ob die Abweichungen signifikant von Null abweichen, und nicht, ob die Gruppensteigungen und Schnittpunkte von Null verschieden sind (es sei denn, ich bin es tatsächlich). dümmer als ich mich heute fühle).

 

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Um den Vergleich ähnlicher Modelle aufrechtzuerhalten, ist hier die SAS-Ausgabe für Gewicht = Geschlecht mit einem Achsenabschnitt:

 

 

Das mittlere Gewicht für Geschlecht = F beträgt also 108,3181818 – 7,3737374 = 100,94444 (Vorhersage).

 

Hier ist die JMP-Ausgabe für dasselbe Modell:

 

 

Das mittlere Gewicht für Geschlecht = F ist also gleich 104,63131 – 3,686869 = 100,94444, derselbe vorhergesagte Wert

 

Entfernen wir den Intercept-Term aus dem Modell und sehen wir, was passiert. Hier ist die SAS-Ausgabe für das neue Modell:

 

 

Das mittlere Gewicht für Geschlecht = F beträgt wiederum 100,94444.

 

Wie wäre es mit JMP?

 

 

Hmm, das ist anders. Diese Schätzung ist jedoch nicht falsch! JMP verwendet Effektcodierung für den linearen Prädiktor und dieses eingeschränkte Modellmodell ist nicht dasselbe wie das eingeschränkte Modell in SAS GLM. Diese Schätzung ist im Sinne der kleinsten Quadrate die beste, passt jedoch nicht gut, wenn nur das Geschlecht als Prädiktor verwendet wird. Sie sollten den Abschnitt nicht entfernen. Das ist die Lektion hier.

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Ich habe vom technischen Support von JMP eine Rückmeldung zu den Unterschieden erhalten:

 

„In einem einfachen Fall des Modells „Gewicht=Geschlecht“ fügt PROC GLM eine Spalte in die Entwurfsmatrix für beide Ebenen von „Geschlecht“ ein. Wenn also der Achsenabschnitt entfernt wird, bleiben immer noch zwei Spalten für die beiden Parameter übrig (eine für männlich). , eine für Frauen). JMP hingegen verfügt nur über eine einzige Spalte in der Designmatrix, sodass nur ein Parameter geschätzt wird. Sie stimmen nicht mit No-Intercept-Modellen überein, wenn kategoriale Effekte einbezogen werden.“

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Unter Verwendung der BigClass-Daten erhalte ich Folgendes von PROC GLM mit der Lösung MODELweight = sex sex*height / noint;

 

Parameter	Schätzen	Standard Fehler	t-Wert	Pr > |t|
Sex F	-189.7725451	65.19174041	-2,91	0,0061
Sex M	-109.0144590	51.63743795	-2.11	0,0418
Größe*Geschlecht F	4.7745491	1.06889262	4.47	<.0001
Größe*Geschlecht M	3.4006530	0,80623574	4.22	0,0002

 

Die Interpretation der beiden Geschlechtsparameterschätzungen besteht darin, dass sie die Schnittpunkte für F und M sind und die Größe*Geschlechtsparameterschätzungen die F- und M-Steigungen sind.Die Tests in dieser Tabelle testen, ob diese Parameterschätzungen signifikant von Null abweichen.Meine ursprüngliche Frage betraf hauptsächlich, wie man diese Tabelle in JMP dupliziert.Das von Fit Model erstellte Diagramm ist das gleiche wie das von PROC GLM erstellte Diagramm, die Parameterschätzungstabellen unterscheiden sich jedoch stark.

 

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Dies ist das ANCOVA-Modell, das Sie anpassen (immer noch am Beispiel der großen Klasse):

 

 

Dies ist das ANCOVA-Modell derselben Daten mit einem Intercept-Term und einem zentrierten kontinuierlichen Prädiktor:

 

 

Die Bedingungen des ersten Modells unterscheiden sich stark von denen des zweiten Modells. Es handelt sich nicht nur um mathematische Alternativen (Achsenabschnitt und kategorialer Effekt versus kategorialer Achsenabschnitt).

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Weder in der SAS- noch in der JMP-Modellspezifikation gibt es einen Intercept-Parameter, daher gibt es keine Schätzung für den Intercept. (Edit: Mir ist klar, dass Sie den Gruppeneffekt als Intercept bezeichnen. Das ist eine faire Interpretation, unterscheidet sich aber von meiner eigenen. Auch die Interpretation des Abschnitts ist ohne Zentrierung unklarer.)

 

Der Effekttest für die Interaktion wird verwendet, um zu bestimmen, ob die Steigung für jede Gruppe unterschiedlich ist. (Bearbeiten: Ich glaube nicht, dass mir klar ist, was Sie wollen. Abgesehen von den Unstimmigkeiten ist die JMP-Ausgabe (was bereitgestellt wird) die gleiche wie bei SAS.

 

Ich untersuche die Art der Unterschiede zwischen SAS GLM und JMP Fit Least Squares, weiß aber nicht, wann ich eine Erklärung haben könnte.

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Danke für deine schnelle Antwort.Ihr Beispiel veranschaulicht tatsächlich meinen Standpunkt.Die Abfangschätzungen von SAS stimmen nicht einmal annähernd mit denen von JMP überein.Die Abfangschätzungen von JMP scheinen Abweichungen von etwas zu sein, aber mir ist nicht klar, was das sein könnte.Noch unklarer wird die Situation, wenn man das Modell mit dem Haupteffekt „Höhe“ betreibt.

Betreff: Schätzung von Steigungen und Abschnitten in ANCOVA

Ich habe gerade das JMP-Beispiel Big Class verwendet. Ich habe „Analysieren“ > „Modell anpassen“ verwendet, um das Modell anzugeben, und dann auf das rote Dreieck geklickt, um „An SAS senden“ auszuwählen. Dieses Programm hat JMP für mich erstellt.

 

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;

 

Hier ist die SAS-Ausgabe:

 

 

Zunächst haben Sie ein lineares Modell ohne Achsenabschnitt angefordert. Aktivieren Sie einfach diese Option unten in der Mitte des Startdialogs „Modell anpassen“. Klicken Sie auf das rote Dreieck und deaktivieren Sie „Center Polynomials“. Klicken Sie auf Ausführen. Klicken Sie dann oben auf das rote Dreieck und wählen Sie Schätzungen > Erweiterte Schätzungen.

 

Hier ist die JMP-Ausgabe:

 

 

Die Schätzungen sind unterschiedlich, da JMP die Begriffe anders parametrisiert als PROC GLM. Ist dieser Bericht das, wonach Sie suchen?