Hallo zusammen,
Ich habe ein Experiment, bei dem ich zwei Fischarten vergleiche und die einzelnen Fischarten kontrollieren muss. In diesem Fall kontrolliere ich tatsächlich Gruppen von Personen, da ich bestimmte Personen nicht verfolgen konnte. Unabhängig davon versuche ich im Wesentlichen, einen ausgefallenen T-Test durchzuführen, um nach Unterschieden zwischen Arten zu suchen, bei denen ich Individuen innerhalb der Arten kontrollieren kann. Ich weiß, dass das Individuum zufällig und innerhalb der Art verschachtelt sein muss. Ich habe auch zwei Behandlungen und beziehe diese in das Modell ein. Mein Modellbau umfasst:
- Spezies,
- Individuum(Art)&zufällig,
- Behandlung,
- Artenbehandlung,
- Behandlung*Individuum(Art)*zufällig
Ich führe diesen Basissatz an Effekten in der Standard-Persönlichkeit der kleinsten Quadrate mit REML aus
Ich teste dieses Basismodell anhand einer Reihe kontinuierlicher Variablen. Bei einigen handelt es sich um tatsächliche Werte wie Dauer und Körperkrümmung, bei einigen handelt es sich um Prozentsätze, beispielsweise um die prozentuale Körperlänge. Wenn ich das Modell anpasse, haben alle Modelle, die an „echte Antworten“ angepasst werden, kein Problem damit, alle Statistiken auszuführen, die ich erwarten würde. Das Modell berechnet weder die Freiheitsgrade noch die p-Werte für die Antworten, die sich auf die prozentuale Körperlänge beziehen. Die Verteilungen dieser %-Körperlängen-Antwortvariablen sind normal. Ich kann mir nicht vorstellen, warum ich die Ergebnisse nicht erhalten kann. Bei den Tests, die weder DF noch p berechnen: gibt es eine Warnung mit der Meldung „Konvergenz fraglich: Iterationen prüfen“. Ich überprüfe die Iterationen und es werden 101 Iterationen durchlaufen und unten steht: Estimation Failed: Hessian Not Positive. Ich bin mir nicht sicher, was der Hesse außer einem Söldner aus der Zeit des Unabhängigkeitskrieges ist.
Stimmt etwas mit meinen Daten oder meinem Design nicht, was dieses Problem verursacht? Wenn ich EMS verwende, erhalte ich in diesen „Problemmodellen“ negative Varianzkomponenten. Ich bin mir nicht sicher, was das bedeutet.
Ich habe unten einige Screenshots eingefügt.
Ich schätze jede Hilfe,
Stephan
Ich denke, dass das Individuum oder die Gruppe von Individuen Ihre kleinste experimentelle Einheit ist und nicht explizit als Begriff in das Modell aufgenommen werden sollte. Es wird verwendet, um die Fehler als Modellresiduen abzuschätzen. Daher wird die Varianz zwischen Individuen als Zufallseffekt betrachtet.
Ich empfehle nicht, die EMS-Methode zur Schätzung der Varianzkomponenten zu verwenden.
Ich glaube nicht, dass es ein Problem mit Ihrer Studie (Design) oder Ihren Daten gibt.
Die Kovarianzmatrix wird verwendet, um die Varianzen (eigentlich Kovarianzen) zu ermitteln. REML ist eine iterative Methode zur Lösung. Wenn es nicht konvergiert, sind die Varianzen und damit die Standardfehler nicht verfügbar. Die Kenward-Rogers-Methode zur Schätzung der Freiheitsgrade ist Teil der Varianzschätzung und wird daher ebenfalls scheitern.
Sehen Sie, ob die Entfernung des Individuums aus der Linearkombination hilft. Ich denke, dass Sie das Modell möglicherweise überspezifiziert haben und Probleme mit der Konvergenz verursacht haben.
