문제 : 우리는 데이터의 다른 하위 집합으로 실행할 때 분할 구 모델의 비정상적인 동작을 관찰했습니다. 6 개 응답 변수 열 중 2 개에 대해 스크립트는 모델의 랜덤 요인에 대해 잘못된 출력을 생성합니다. 특히, 랜덤 요인은 REML 분산 성분 추정치 표에서 총 분산의 0 %를 설명하고 최소 제곱 평균 표에는 표준 오류가 아닌 평균 열이 표시됩니다.
열 속성을 확인하고 문제가있는 열의 데이터를 대체했습니다. 두 줄의 증거는이 동작이 스크립트 오류로 인한 것이 아님을 시사합니다.
- 스크립트는 다른 4 개의 응답 변수 열에서 제대로 작동합니다.
- 랜덤 요인과 문제가있는 데이터 열만 포함하는 축소 된 모델은 반응 변수 중 하나에 대해 잘못된 출력을 생성하는 반면 다른 변수에 대해서는 출력이 올바른 것으로 보입니다.
실험 설계 및 분석 접근 방식에 대한 간략한 요약과 문제가있는 데이터의 예, 사용 된 스크립트 및 모델 출력이 포함됩니다. 또한 위에서 설명한 축소 모델에 대한 스크립트 및 출력을 보여주는 pdf를 첨부합니다.
이 퍼즐을 해결하는 데 도움을 주셔서 감사합니다!
실험적 설계 : 분할 구 설계에서 3 개의 요인이 무작위로 할당 된 공간적으로 정의 된 블록 (복제) 4 개 (또는 3 개)로 구성된 생태 현장 실험. 전체 플롯 규모에서
두 개의 2 단계 요인, 즉 림펫 제거 (+/-) 및 수분 추가 (+/-), 둘 다 상대적으로 변경하기 어렵습니다. 각 블록 내에서 4 개의 플롯에 무작위로 할당되었습니다. 하위 플롯 스케일에서 블레이드 제거 (블레이드 +/-)는 각 전체 플롯 내에서 두 개의 하위 플롯에 무작위로 할당되었습니다 (아래 샘플 레이아웃 참조).
샘플 데이터 세트
Blk # | 절름발이 | 촉촉함 | 블레이드 | Ja88Ap88 | 미스터 89Nv89 |
1 | + L | + M | + B | 0 | -15 |
1 | -엘 | + M | + B | -5.88235 | -2.94118 |
1 | + L | -미디엄 | + B | 5.88235 | -11.7647 |
1 | -엘 | -미디엄 | + B | -14.4118 | -38.2353 |
2 | + L | + M | + B | -2.94118 | 2.94118 |
2 | -엘 | + M | + B | 0 | -20.5882 |
2 | + L | -미디엄 | + B | 0 | -15 |
2 | -엘 | -미디엄 | + B | 0.29412 | -2.94118 |
삼 | + L | + M | + B | 0 | . |
삼 | -엘 | + M | + B | -32.3529 | . |
삼 | + L | -미디엄 | + B | -17.6471 | . |
삼 | -엘 | -미디엄 | + B | -15 | . |
4 | + L | + M | + B | 0 | -2.64706 |
4 | -엘 | + M | + B | -5.88235 | -14.4118 |
4 | + L | -미디엄 | + B | -5.58824 | -43.8235 |
4 | -엘 | -미디엄 | + B | -5.88235 | -35.2941 |
1 | + L | + M | -비 | -5.88235 | 11.47059 |
1 | -엘 | + M | -비 | 3.23529 | 5.29412 |
1 | + L | -미디엄 | -비 | -2.94118 | -8.82353 |
1 | -엘 | -미디엄 | -비 | -2.94118 | -11.7647 |
2 | + L | + M | -비 | -5.88235 | 6.17647 |
2 | -엘 | + M | -비 | 0 | -6.17647 |
2 | + L | -미디엄 | -비 | 2.94118 | -26.4706 |
2 | -엘 | -미디엄 | -비 | 3.23529 | -20.2941 |
삼 | + L | + M | -비 | -14.7059 | . |
삼 | -엘 | + M | -비 | 14.70588 | . |
삼 | + L | -미디엄 | -비 | -0.29412 | . |
삼 | -엘 | -미디엄 | -비 | -5.88235 | . |
4 | + L | + M | -비 | -8.82353 | -26.4706 |
4 | -엘 | + M | -비 | -26.4706 | -20.5882 |
4 | + L | -미디엄 | -비 | -14.4118 | -44.1177 |
4 | -엘 | -미디엄 | -비 | 2.94118 | -47.3529 |
분석 . 분석을 단순화하기 위해 4 개의 전체 플롯 처리 조합을 단일 요인 (아래 스크립트의 Concatenate [Limp, Moist])의 4 개 수준으로 모델링하도록 선택했습니다. 우리는 치료 수단을 구별하기 위해 사후 테스트를 사용할 계획입니다. 랜덤 효과 (전체 플롯에 대한 오류 항)는 블록, 림펫 및 수분 코드를 연결 한 것입니다 (예 : : Name ( "Concatenate [Blk #, Limp, Moist]") [: Blk #], 아래).
전체 모델에 대한 샘플 스크립트 .
</CODE>Fit Model(<BR />Y( :Ja88Ap88 ),<BR />Effects(<BR />:Blk#,<BR />:Name( "Concatenate[Limp,Moist]" ),<BR />:Blades,<BR />:Blades * :Name( "Concatenate[Limp,Moist]" )<BR />),<BR />Random Effects( :Name( "Concatenate[Blk#,Limp,Moist]" )[:Blk#] ),<BR />NoBounds( 1 ),<BR />Personality( "Standard Least Squares" ),<BR />Method( "REML" ),<BR />Emphasis( "Minimal Report" ),<BR />Run(<BR />)<BR />),</PRE><P> </P><P><U>전체 모델에 대한 부분 출력</U> .</P><P><STRONG>REML 분산 성분 추정</STRONG> Ja88Apr88 용 (n = 4 개 블록)</P><TABLE><TBODY><TR><TD><P><STRONG>랜덤 효과</STRONG></P></TD><TD><P><STRONG>Var 비율</STRONG></P></TD><TD><P><STRONG>Var 구성 요소</STRONG></P></TD><TD><P><STRONG>표준 오류</STRONG></P></TD><TD><P><STRONG>95 % 낮음</STRONG></P></TD><TD><P><STRONG>95 % 상한</STRONG></P></TD><TD><P><STRONG>Wald p- 값</STRONG></P></TD><TD><P><STRONG>합계의 백분율</STRONG></P></TD><TD> </TD></TR><TR><TD><P>연결 [Blk #, Limp, Moist] [Blk #]</P></TD><TD><P>-0.324822</P></TD><TD><P>-40.38441</P></TD><TD><P>27.376421</P></TD><TD><P>-94.04121</P></TD><TD><P>13.272392</P></TD><TD><P>0.1402</P></TD><TD><P>0.000</P></TD><TD> </TD></TR><TR><TD><P>잔여</P></TD><TD><P> </P></TD><TD><P>124.32778</P></TD><TD><P>50.756605</P></TD><TD><P>63.930876</P></TD><TD><P>338.78407</P></TD><TD><P> </P></TD><TD><P>100.000</P></TD><TD> </TD></TR><TR><TD><P>합계</P></TD><TD><P> </P></TD><TD><P>124.32778</P></TD><TD><P>50.756605</P></TD><TD><P>63.930876</P></TD><TD><P>338.78407</P></TD><TD><P> </P></TD><TD><P>100.000</P></TD><TD> </TD></TR></TBODY></TABLE><P> </P><P><STRONG>고정 효과 테스트</STRONG> Ja88Apr88의 경우<U> 노트</U> 분모 자유도가 올바른 것으로 보입니다.</P><TABLE><TBODY><TR><TD><P><STRONG>출처</STRONG></P></TD><TD><P><STRONG>Nparm</STRONG></P></TD><TD><P><STRONG>DF</STRONG></P></TD><TD><P><STRONG>DFDen</STRONG></P></TD><TD><P><STRONG>F 비율</STRONG></P></TD><TD><P><STRONG>확률> F</STRONG></P></TD><TD> </TD></TR><TR><TD><P>Blk #</P></TD><TD><P>삼</P></TD><TD><P>삼</P></TD><TD><P>9</P></TD><TD><P>3.1201</P></TD><TD><P>0.0808</P></TD><TD> </TD></TR><TR><TD><P>연결 [림프, 촉촉함]</P></TD><TD><P>삼</P></TD><TD><P>삼</P></TD><TD><P>9</P></TD><TD><P>0.2215</P></TD><TD><P>0.8791</P></TD><TD> </TD></TR><TR><TD><P>블레이드</P></TD><TD><P>1</P></TD><TD><P>1</P></TD><TD><P>12</P></TD><TD><P>0.3675</P></TD><TD><P>0.5557</P></TD><TD> </TD></TR><TR><TD><P>블레이드 * 연결 [림프, 촉촉함]</P></TD><TD><P>삼</P></TD><TD><P>삼</P></TD><TD><P>12</P></TD><TD><P>1.0059</P></TD><TD><P>0.4238</P></TD><TD> </TD></TR></TBODY></TABLE><P> </P><P><STRONG>최소 제곱 평균 테이블</STRONG> Ja88Apr88 용 (n = 4 개 블록)</P><TABLE><TBODY><TR><TD><P><STRONG>수평</STRONG></P></TD><TD><P><STRONG>최소 제곱 평균</STRONG></P></TD><TD><P><STRONG>표준 오류</STRONG></P></TD><TD> </TD></TR><TR><TD><P>[1] 1, + L, + M</P></TD><TD><P>-2.28820</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[1] 1, + L, -M</P></TD><TD><P>-9.03709</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[1] 1, -L, + M</P></TD><TD><P>-8.62806</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[1] 1, -L, -M</P></TD><TD><P>8.48276</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[2] 2, + L, + M</P></TD><TD><P>7.78410</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[2] 2, + L, -M</P></TD><TD><P>-1.69162</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[2] 2, -L, + M</P></TD><TD><P>-3.73673</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[2] 2, -L, -M</P></TD><TD><P>-3.53222</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[3] 3, + L, + M</P></TD><TD><P>-11.31712</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[3] 3, + L, -M</P></TD><TD><P>-6.88603</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[3] 3, -L, + M</P></TD><TD><P>-11.93065</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[3] 3, -L, -M</P></TD><TD><P>-5.45444</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[4] 4, + L, + M</P></TD><TD><P>-14.25232</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[4] 4, + L, -M</P></TD><TD><P>-2.45880</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[4] 4, -L, + M</P></TD><TD><P>4.22192</P></TD><TD><P>.</P></TD><TD> </TD></TR><TR><TD><P>[4] 4, -L, -M</P></TD><TD><P>-19.56963</P></TD><TD><P>.</P></TD><TD> </TD></TR></TBODY></TABLE><P> </P></LINGO-BODY><LINGO-LABS id="lingo-labs-328571" slang="en-US"><LINGO-LABEL>데이터 테이블</LINGO-LABEL><LINGO-LABEL>스크립팅</LINGO-LABEL></LINGO-LABS><LINGO-SUB id="lingo-sub-328695" slang="en-US">Re : 분할 구 모델의 비정상적인 동작 : 오염 된 데이터, 스크립트 오류 또는 버그?</LINGO-SUB><LINGO-BODY id="lingo-body-328695" slang="en-US"><P>과학적 또는 공학적 관점에서 설명하는 상황을 이해하지 못함으로 제 의견을 시작하겠습니다. 따라서 제 의견은 완전히 근거가 없을 수 있습니다. 림펫과 수분을 바꾸는 것은 무작위로하기가 어려울 것입니다. 나는 당신의 가설이 무엇인지 모르고 그 문제에 대한 반응 변수 또는 요인을 이해하지 못합니까? 실험에 대해 몇 가지 질문이 있습니다. 내가 가진 어려움은 (제공 한 샘플 데이터를 기반으로) 설계 계획을 이해하는 것입니다.</P><P>1.이 문장은 이해가되지 않습니다. "<SPAN> 분할 구 설계에서 3 개의 요인이 무작위로 할당되었습니다. 분할 구 설계는 의도적으로 무작위 화를 제한하므로 귀하가 무엇을하는지 이해가되지 않습니다. 샘플 데이터 세트에서 "f를 변경하기 어려운 것 같습니다.</SPAN> 배우들 "이 많이 변하고 있어요! 서브 플롯 요소가 전체 플롯 요소만큼 거의 변하지 않는 것 같습니까? 실행 순서가 있습니까?</P><P>2. 나는 또한 당신의 블록 사용을 이해하지 못합니까? 전체 플롯 오류의 추정치를 얻기 위해 블록을 사용하고 있다고 가정합니다. 당신이 무엇을하는지 내가 이해하는지 보도록하겠습니다. 당신은 4 개의 다른 "위치 / 공간"(블록)에서 2 ^ 3 요인 실험을 실행하고 있습니다. 각 블록 내에서 요인 행렬의 3 개 요인 중 2 개 (L 및 M)에 대한 무작위 화를 제한하려고합니다. 이것은 분할 분할 플롯처럼 들립니다. jmp 파일에 디자인을 추가하여 이것이 실행 중인지 확인했습니다.</P><P>3. L과 M을 결합하는 이유는 무엇입니까? 이렇게하면 L * M 상호 작용과 L 및 M과의 다른 2 차 효과를 정량화하는 능력을 잃게됩니다. 대신 2 차 및 3 차 효과를 추정 할 수 있습니다.</P><P>4. 측정 시스템에 차별 문제가있는 것 같습니다 (연속적으로 보이지 않음). 샘플 데이터 세트에서 사용할 수있는 숫자가 몇 개뿐입니까? 이것이 실제 데이터입니까?</P><P>생각할 수있는 음식 (내가 엉망이되어 버리는 것을 용서하십시오) ... 무작위 화에 대한 제한 사항을 인식하고 고려해야하는 이유는 실험 과정에서 예상치 못한 노이즈 변화가 발생할 가능성이 있기 때문이며, 이는 결과적으로 실험 오류에 영향을 미치고 이후 통계 테스트. 전체 플롯 오류는 하위 플롯 오류와 다르므로 각각에 대해 다른 유의성 테스트를 수행해야합니다. 실험을 계획 할 때 노이즈 변수를 식별하고 해당 노이즈 변수의 영향에 대해 가설을 세운 경우 실험 설계시이를 고려할 수 있습니다 (예 : 블록 내에서 변경되는 사항과 블록간에 변경되는 사항). . 전체 플롯 수준 (블록 간)에서 변경되는 노이즈와 하위 포트 수준에서 변경되는 노이즈간에 차이가 거의없는 경우 제한 사항을 고려해도 아무런 의미가 없을 수 있습니다. 그러나 전체 플롯 수준의 노이즈 (및 따라서 추정 된 오류)와 하위 플롯 수준의 노이즈에 상당한 차이가있는 경우 유의성 검정이이를 반영해야합니다.</P><P> </P></LINGO-BODY><LINGO-SUB id="lingo-sub-328867" slang="en-US">Re : 분할 구 모델의 비정상적인 동작 : 오염 된 데이터, 스크립트 오류 또는 버그?</LINGO-SUB><LINGO-BODY id="lingo-body-328867" slang="en-US"><P>읽어주세요<A href="https://community.jmp.com/t5/user/viewprofilepage/user-id/4358" target="_blank"> @statman</A> 의 답변을 신중하게.</P>
<P> </P>
<P>나는 또한 귀하의 게시물로 인해 혼란 스럽습니다.</P>
<UL>
<LI>Limpet과 Moisture 수준을 연결 한 다음 관절 변화를 반응에 대한 무작위 효과로 취급 했습니까? 이러한 요소가 고정 된 효과를 생성 할 것으로 기대하지 않습니까?</LI>
<LI>Blk #이라고 부르는 것은 실제로 전체 플롯입니까? 즉, 이러한 실행은 변경하기 어려운 요인을 한 번 재설정합니까? 그렇다면 아마도 모델에서 유일한 무작위 효과 일 것입니다.</LI>
<LI>Blades가 전체 플롯 (변경하기 어려운) 요인 인 것처럼 보이지만 동일한 전체 플롯에서 Blades를 -B와 + B로 어떻게 설정합니까?</LI>
<LI>스크립트는 고정 효과와 무작위 효과 모두에 동일한 요인을 사용하고 있음을 나타냅니다. 의도적입니까?</LI>
<LI>전체 플롯 = 3을 모두 잃었습니까?</LI>
</UL>
<P>아마도이 모델은보다 안정적인 추정치로 원하는 정보를 제공 할 것입니다.</P>
<P> </P>
<PRE><CODE class=" language-jsl">Fit Model(
Y( :Ja88Ap88 ),
Effects( :Limp, :Moist, :Blades, :Blades * :Limp, :Blades * :Moist ),
Random Effects( :Blk# ),
No Bounds( 1 ),
Personality( "Standard Least Squares" ),
Method( "REML" ),
Emphasis( "Minimal Report" ),
Run()
);
