Hola a todos,
Varias preguntas sobre modelos lineales mixtos.
1) En la personalidad "Fit Mixed" ¿hay alguna manera de obtener la expresión de predicción (Y=Bx+Zu+E)? Puedo obtenerla de otras personalidades modelo pero no puedo encontrarla en la personalidad "Fit Mixed"
2) Estoy observando el rendimiento de natación en peces, tengo dos efectos fijos continuos y su interacción se ajusta a una respuesta continua con el individuo y todas sus interacciones seleccionadas como efectos aleatorios (en total 3 efectos fijos: 2 independientes y 1 interacción y 4 efectos aleatorios). )
2a) cuando estoy interpretando los componentes de la varianza aleatoria, ¿el residual en esa tabla es la varianza que queda para explicar por los efectos fijos?
2b) Si obtengo componentes de varianza aleatoria significativos y efectos fijos significativos, ¿mis efectos fijos son significativos DEBIDO a la covarianza aleatoria o A PESAR de la covarianza aleatoria?
3) Estoy trabajando con una aceleración que parece no lineal y mi modelo se ajusta mejor cuando se transforma logarítmicamente. ¿Estoy justificado para transformar solo la aceleración y no mis otras variables continuas (que parecen ser normales o casi normales) o debería transformarlas todas?
Aquí hay un par de capturas de pantalla.
gracias de antemano
1. Desde el triángulo rojo, Guarde las columnas, guarde la fórmula de predicción.
la expresión está en una nueva columna
2. https://www.jmp.com/support/help/en/15.1/#page/jmp/the-fit-mixed-report.shtml#
Sin embargo, no veo una tabla de residuos en el informe adjunto.
Inferencia del modelo marginal: produce gráficos basados en valores marginales predichos y residuos marginales. Estos gráficos muestran la variación debida a efectos aleatorios. https://www.jmp.com/support/help/en/15.1/#page/jmp/marginal-model-inference.shtml#ww1282958
Inferencia de modelo condicional: produce gráficos basados en valores predichos condicionales y residuos condicionales. Estos gráficos muestran la variación que queda una vez que se tienen en cuenta los efectos aleatorios.
https://www.jmp.com/support/help/en/15.1/#page/jmp/conditional-model-inference.shtml#ww1171576
3. No estoy familiarizado con la aceleración de los peces. Parece razonable un registro o algún tipo de transformación Box-Cox.
