331598_de-DE

liliconcom

JMP Statistical Analysis - Fit Model - Auslassen von Ergebnissen

Bei der statistischen Analyse unseres Datensatzes mit JMP stoßen wir auf das folgende Problem, das ich mit Ihnen teilen möchte, um zu fragen, ob andere Benutzer von JMP bereits auf dieses Problem gestoßen sind und warum es auftritt und wie es zu lösen ist.

Fit Model(
 Y( :Measured RP% ),
 Effects,
 Random Effects( :Assay ),
 NoBounds( 0 ),
 Personality( "Standard Least Squares" ),
 Method( "REML" ),
 Emphasis( "Minimal Report" ),
 Run(
  :Measured RP% << {Summary of Fit( 1 ), Analysis of Variance( 0 ),
  Parameter Estimates( 1 ), Scaled Estimates( 0 ),
  Plot Actual by Predicted( 0 ), Plot Regression( 0 ),
  Plot Residual by Predicted( 0 ), Plot Studentized Residuals( 0 ),
  Plot Effect Leverage( 0 ), Plot Residual by Normal Quantiles( 0 )}
 ),
 Where( :Sample == "Accuracy 40" ),
 SendToReport(
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40"},
   "Parameter Estimates",
   OutlineBox,
   {Close( 0 )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40", "Parameter Estimates"},
   "Std Error",
   NumberColBox,
   {Visibility( "Collapse" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40", "Random Effect Predictions"
   },
   "Std Error",
   NumberColBox,
   {Visibility( "Collapse" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40",
   "REML Variance Component Estimates"},
   "Std Error",
   NumberColBox,
   {Visibility( "Collapse" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40",
   "REML Variance Component Estimates"},
   "95% Lower",
   NumberColBox,
   {Visibility( "Collapse" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40",
   "REML Variance Component Estimates"},
   "Sqrt Variance Component",
   NumberColBox,
   {Visibility( "Visible" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40",
   "REML Variance Component Estimates"},
   "Pct of Total",
   NumberColBox,
   {Visibility( "Collapse" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40",
   "REML Variance Component Estimates"},
   "CV",
   NumberColBox,
   {Visibility( "Visible" )}
  ),
  Dispatch(
   {"Response Measured RP% Sample=Accuracy 40", "Effect Details", "Assay",
   "Least Squares Means Table"},
   "Std Error",
   NumberColBox,
   {Visibility( "Collapse" )}
  )
 )
)

AnalytikBetreff: JMP Statistical Analysis - Fit Model - Auslassen von ErgebnissenHinweis: Eine Erläuterung des aufgetretenen Problems finden Sie im beigefügten Word-DokumentBetreff: JMP Statistical Analysis - Fit Model - Auslassen von Ergebnissen

Hallo @Lefkiosvanrooij ,

 

Ich konnte den Fehler, den Sie mit dem kleineren Datentabellensatz erhalten haben, basierend auf dem, was Sie in der DOCX-Datei enthalten haben, neu erstellen.

 

Ich denke, das hat mit Ihrer Auswahl (oder eher Abwahl) der "Ungebundenen Varianzkomponenten" im Fenster "Modell anpassen" zu tun. Wenn Sie dies aktivieren, werden die CIs anders berechnet als wenn sie deaktiviert sind, lesen Sie die JMP-Hilfe Hier . Möglicherweise können Sie die REML-Methode nicht verwenden. In diesem Fall können Sie die EMS-Methode zum Schätzen von Abweichungen verwenden. Sie können auch das Kontrollkästchen "Nur Varianzkomponenten schätzen" aktivieren.

 

Ich bin kein Statistiker, daher kann ich nicht kommentieren, welche Methode für Ihre Analyse geeignet ist, aber ich glaube, wenn die Option "Ungebundene Varianzkomponenten" deaktiviert ist, erhalten Sie für einige der Stichproben den Fehler der Anpassungsmeldung 0 , wie Genauigkeit 40.

 

Hoffe das hilft!,

DS

Betreff: JMP Statistical Analysis - Fit Model - Auslassen von Ergebnissen

Wie @DS beansprucht, bestimmt die unbegrenzte Schätzoption das Ergebnis der Schätzung der Varianzkomponenten mit REML. Ungebundene Schätzungen können zu negativen Schätzungen führen. Varianz kann nicht negativ sein, aber diese Ergebnisse sind tatsächlich die Kovarianz, die negativ sein kann. Diese Option bietet bessere Hypothesentests und BLUPs. Es ist wichtig, wenn Sie feste Effekte in Ihr Modell aufnehmen. (Ihr Skript zeigt keine festen Effekte.)

 

Sie können die Schätzungen binden und so einschränken, dass sie nicht negativ sind. Jede negative Schätzung muss Null sein.