Estimation des pentes et des intersections dans ANCOVAJe me sens particulièrement stupide aujourd'hui et j'espère que quelqu'un pourra m'aider à me sentir plus intelligent.Lors de l'exécution d'une ANCOVA avec des pentes séparées, j'aimerais obtenir des estimations des pentes et des interceptions de chaque groupe ainsi que les tests t de signification.Dans SAS, je peux exécuter GLM et spécifier le modèle comme ceci (en utilisant la table de données JMP "Drug") :
modèle y = Médicament Médicament*x / solution noint ;
Je ne trouve rien dans JMP qui soit comparable à cela.Spécifier le même modèle ci-dessus dans la boîte de dialogue Ajuster le modèle me donne quelque chose de totalement différent de ce que donne SAS.J'ai essayé d'afficher des estimations de paramètres d'indicateur, des estimations étendues et à peu près tout ce qui se trouve sous l'élément de menu "Effets" dans la fenêtre de résultats Fit Model.Je me rends compte que JMP paramètre le modèle différemment de SAS, mais je n'ai pas encore trouvé la bonne combinaison de spécifications de modèle et d'options pour dupliquer les résultats SAS.Je me rends également compte que l'on peut déterminer quelles sont les pentes et les interceptions à partir du tableau des estimations des paramètres, mais les tests testent si les écarts sont significativement différents de zéro, et non si les pentes et les interceptions du groupe sont différentes de zéro (à moins que je ne sois réellement plus bête que je ne me sens aujourd'hui).
Re : Estimation des pentes et des intersections dans ANCOVAEn essayant de conserver la comparaison de modèles similaires, voici la sortie SAS pour poids = sexe avec une interception :
Ainsi, le poids moyen pour le sexe = F est égal à 108,3181818 - 7,3737374 = 100,94444 (prédiction).
Voici la sortie JMP pour le même modèle :
Donc le poids moyen pour le sexe = F est égal à 104,63131 - 3,686869 = 100,94444, la même valeur prédite
Supprimons le terme d'interception du modèle et voyons ce qui se passe. Voici la sortie SAS pour le nouveau modèle :
Le poids moyen pour le sexe = F est à nouveau de 100,94444.
Qu'en est-il de JMP ?
Hum, c'est différent. Cette estimation n'est pourtant pas fausse ! JMP utilise un codage d'effet pour le prédicteur linéaire et ce modèle de modèle contraint n'est pas le même que le modèle contraint dans SAS GLM. Cette estimation est la meilleure au sens des moindres carrés, mais elle ne correspond pas bien au seul sexe comme prédicteur. Vous ne devez pas supprimer l'interception. C'est la leçon ici.
Re : Estimation des pentes et des intersections dans ANCOVAJ'ai eu des nouvelles du support technique de JMP concernant les différences :
"Dans un cas simple du modèle poids=sexe, PROC GLM inclut une colonne dans la matrice de conception pour les deux niveaux de 'sexe', donc lorsque l'ordonnée à l'origine est supprimée, il reste encore 2 colonnes pour les deux paramètres (une pour les hommes , un pour les femmes). JMP, en revanche, n'aura qu'une seule colonne dans la matrice de conception, de sorte qu'un seul paramètre est estimé. Ils ne correspondront pas à des modèles sans intercept si des effets catégoriels sont inclus."
Re : Estimation des pentes et des intersections dans ANCOVAEn utilisant les données BigClass, voici ce que j'obtiens de PROC GLM avec MODEL weight = sex sex*height / noint solution;
Paramètre | Estimation | Standard Erreur | valeur t | Pr > |t| |
| sexe F | -189.7725451 | 65.19174041 | -2,91 | 0,0061 |
| sexe M | -109.0144590 | 51.63743795 | -2.11 | 0,0418 |
| taille*sexe F | 4.7745491 | 1.06889262 | 4.47 | <.0001 |
| taille*sexe M | 3.4006530 | 0.80623574 | 4.22 | 0,0002 |
L'interprétation des deux estimations des paramètres de sexe est qu'elles sont les interceptions pour F et M et que les estimations des paramètres taille*sexe sont les pentes de F et M.Les tests de ce tableau testent si ces estimations de paramètres sont significativement différentes de zéro.Ma question initiale concernait principalement la manière de dupliquer cette table dans JMP.Le graphique produit par Fit Model est le même que le graphique produit par PROC GLM, mais les tableaux d'estimation des paramètres sont très différents.
Re : Estimation des pentes et des intersections dans ANCOVAC'est le modèle ANCOVA que vous correspondez (toujours en utilisant l'exemple Big Class):
Il s'agit du modèle ANCOVA des mêmes données avec un terme d'interception et un prédicteur continu centré :
Les conditions du premier modèle sont très différentes de celles du second modèle. Ce ne sont pas seulement des alternatives mathématiques (interception et effet catégorique contre interceptions catégorielles).
Re : Estimation des pentes et des intersections dans ANCOVAIl n'y a pas de paramètre d'interception dans la spécification du modèle SAS ou JMP, il n'y a donc pas d'estimation pour l'interception. (Edit : je me rends compte que vous faites référence à l'effet de groupe comme une interception. C'est une interprétation juste mais différente de la mienne. L'interprétation de l'interception est plus trouble sans centrage également.)
Le test d'effet pour l'interaction est utilisé pour déterminer si la pente est différente pour n'importe quel groupe. (Edit : je ne pense pas être clair sur ce que vous voulez. Mis à part les divergences, la sortie JMP (ce qui est fourni) est la même que SAS.
J'étudie la nature des différences entre SAS GLM et JMP Fit Least Squares mais je ne sais pas quand je pourrais avoir une explication.
Re : Estimation des pentes et des intersections dans ANCOVAMerci pour votre réponse rapide.Votre exemple illustre bien mon propos.Les estimations d'interception de SAS ne correspondent pas à celles de JMP, même pas proches.Les estimations d'interception de JMP semblent être des écarts par rapport à quelque chose, mais je ne sais pas ce que cela pourrait être.La situation devient encore plus floue si vous exécutez le modèle avec l'effet principal "hauteur".
Re : Estimation des pentes et des intersections dans ANCOVAJe viens d'utiliser l'exemple JMP Big Class. J'ai utilisé Analyze > Fit Model pour spécifier le modèle, puis j'ai cliqué sur le triangle rouge pour sélectionner Submit to SAS. Ce programme est ce que JMP a créé pour moi.
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;
Voici la sortie SAS :
Tout d'abord, vous avez demandé un modèle linéaire sans interception. Cochez simplement cette option au milieu du bas de la boîte de dialogue de lancement Fit Model. Cliquez sur le triangle rouge et désélectionnez Center Polynomials. Cliquez sur Exécuter. Cliquez ensuite sur le triangle rouge en haut et sélectionnez Estimations > Estimations étendues.
Voici la sortie JMP :
Les estimations sont différentes car JMP paramètre les termes différemment de PROC GLM. Ce rapport est-il ce que vous recherchez ?
