Fit DSD - Étape 1 vs calcul d'erreur standard combinéDans la capture d'écran ci-dessous, l'analyse de l'étape 1 montre ~ 1.4 Erreur Std pour les effets principaux de l'étape 1.
Le modèle combiné affiche ~ 2.4 Erreur Std pour les effets principaux.
Créer un modèle avec uniquement les effets principaux donne ~ 2,8 SE.
Pourquoi l'étape 1 a-t-elle une erreur Std plus faible pour les effets principaux que la régression avec uniquement des effets principaux?
Dans cet exemple, j'ai réglé le rapport de niveau 2 sur élevé (5) pour éliminer la plupart des effets de second ordre.
Merci d'avance pour toute explication.
BICHERe: Fit DSD - Étape 1 vs calcul d'erreur standard combinéJe suppose que vous avez déjà lu la documentation sur le Ajuster le dépistage définitif procédure. L'exemple fourni affiche les mêmes différences dans l'erreur standard des estimations que votre exemple.
La nature séquentielle du processus d'identification ou de sélection (c'est-à-dire les étapes 1 et 2) et la présence de «faux facteurs» diffèrent des méthodes basées sur la régression du modèle complet. Ce modèle est sursaturé conduisant à une matrice de modèle singulière.
Re: Fit DSD - Étape 1 vs calcul d'erreur standard combinéMerci d'avoir répondu Mark.
Après avoir relu la description du processus d'adaptation, j'aurai peut-être un indice. La première étape ne met pas en commun les facteurs inactifs, la deuxième étape le fait. Est-ce correct?
Vous trouverez ci-joint un autre exemple plus simple comparant le modèle Fit DSD to Make à un effet principal X7 discutable.
La boîte de réponse ne permettait pas de coller des images.
