331598_it-IT

liliconcom

Analisi statistica JMP - Adatta modello - Omissione dei risultati

Durante l'analisi statistica del nostro set di dati utilizzando JMP, incontriamo il seguente problema che vorrei condividere con te per chiedere se altri utenti di JMP lo hanno già riscontrato e sapere perché si verifica e come risolverlo.

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" )}
  )
 )
)

AnalyticsOggetto: Analisi statistica JMP - Adatta modello - Omissione dei risultatiNota: una spiegazione del problema riscontrato è descritta nel documento word allegatoOggetto: Analisi statistica JMP - Adatta modello - Omissione dei risultati

Ciao @Lefkiosvanrooij ,

 

Sono stato in grado di ricreare l'errore che hai ottenuto utilizzando un set di tabelle dati più piccolo in base a ciò che hai incluso nel file DOCX.

 

Quindi, penso che abbia a che fare con la selezione (o meglio la deselezione) dei "Componenti di varianza illimitata" nella finestra Adatta modello. Se lo selezioni, gli elementi della configurazione vengono calcolati in modo diverso, quindi se sono deselezionati, consulta la guida di JMP Qui . È possibile che non sia possibile utilizzare il metodo REML, nel qual caso è possibile utilizzare il metodo EMS per stimare le varianze. Puoi anche selezionare la casella "Stima solo componenti di varianza".

 

Non sono uno statistico, quindi non posso commentare quale metodo è appropriato utilizzare per la tua analisi, ma credo che con "Unbounded Variance Components" deselezionato, si ottiene l'errore di adattamento che riporta 0 per alcuni campioni , come Precisione 40.

 

Spero che sia di aiuto!,

DS

Oggetto: Analisi statistica JMP - Adatta modello - Omissione dei risultati

Come @DS affermato, l'opzione delle stime illimitate determina il risultato della stima delle componenti della varianza con REML. Le stime illimitate possono dare luogo a stime negative. La varianza non può essere negativa, ma questi risultati sono in realtà la covarianza, che può essere negativa. Questa opzione fornisce migliori test di ipotesi e BLUP. È importante se includi effetti fissi nel tuo modello. (Il tuo script non mostra effetti fissi.)

 

È possibile limitare le stime e vincolarle in modo che non siano negative. Qualsiasi stima negativa è forzata a essere zero.