混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかSLSとREML、別名混合効果を使用すると、顧客は信頼区間の標準誤差に対して異なるパッケージ（R / Python / JMP）で異なる結果を得ることができます。 （R / Python / JMP：0.05 / 0.08 / 0.002）これは40の因数であり、かなり高いです。 正確に計算する方法（式）に関するドキュメントはありますか？ BLUPS自体、およびFEとMEの両方の推定値は、異なるパッケージのセマですが、予測区間と信頼区間です。
デフォルトとしての異なる基礎となる反復共分散構造またはKacker-Harville-Correctionと関係があるのではないかと思いました。
例を追加する： https://www.rdocumentation.org/packages/doBy/versions/4.6-3/topics/data-dietox
-建物モデル重量=時間+飼料+豚（変量効果）
@jiancao @laural_jmp
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかこんにちはマーティン、
モデルのデータとスクリプトを共有できますか？できればそれはとても役に立ちます。また、どの標準誤差と信頼区間が異なりますか？また、このトラックにエリザベスを追加しようとしています。
ありがとう。
ローラ
@eclaassen
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかああ。これで、JMPデータテーブルが表示されます。それは電子メールで届きませんでした。ありがとう。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかマーティン、
信頼区間と標準誤差を生成するRコードを提供できれば、それは役に立ちます。 私はRの知識に遅れをとっており、モデルの構築（dietoxデータとlmer（）を使用）と限界および条件付き予測値の取得に成功しただけです。 これらの値はJMPと一致します。
Dietoxデータを使用して、JMPとSAS（PROC MIXED）の両方で指定されたモデルを実行し、限界および条件付き予測値と信頼区間が一致しました（対応するDDFMメソッドがSASで指定されている場合-限界の場合はKR2、条件付きの場合はSatterthwaite） 。 SASには個別のCIはありません。 16.0で修正された、個々のCIの自由度に問題がありました。
Kackar-Harvilleの修正された共分散行列が、固定効果のみの推定値の検定/間隔に使用されることを知っています。 変量効果が含まれる場合は、Satterthwaiteメソッドが使用されます。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますか0.002の標準誤差は、保存された条件付き平均CI列からユーザーが計算します。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかもともとスクリーショットを追加していましたが、投稿には表示されませんでした。 ここでもう一度試してみます：
分散成分の標準ストリームとして2.125
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかRコードをお願いします。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますか自由度については、こう考えただけですが、JMP 15を使用している場合、これが結果が異なる理由でしょうか。 この例を16と15の両方で実行すると、まったく同じ結果が表示されます。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかこんにちはマーティン、
分散成分の共分散行列を計算するために使用される方法は、次の論文の1306ページにあると思います。
Wolfinger、R。D.、 Tobias、R。D.およびSall、J。（1994）。 「一般化線形混合モデルのガウス尤度とその導関数の計算。」 SIAM Journal on Scientific Computing 15：1294–1310。
Proc MixedのSASドキュメントには、それが役立つ場合はもう少し詳細が記載されていますか？
SASヘルプセンター：デフォルトの出力
エリザベスは別の良い参考文献を知っているかもしれませんか？
ローラ
@eclaassen
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますか@jiancao 、
この数式列が表示されませんか？ 自由度なしでどのように計算するかわからないので、私はそれを見ることに非常に興味があります。それは簡単ではありません。
マーティンによると、彼らは標準的なエラーを比較していました...マーティンによると、彼らは比較していました信頼区間の標準誤差。 したがって、条件付き平均CI列を保存した後、単に差を取り、表を使用してスタンドエラーを取得します。 CIにはさまざまな種類があるため、比較しているCIを確認しようとしました。
SAS Proc Mixedも実行しましたが、結果はJMPとは少し異なります。 たとえば、分散成分の推定値は完全に同じではありません。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかこんにちはエリザベス、
添付されているのはRコードでもあります。 彼らは使用しました
checkintervals_dietox.R
* R 3.6.3
他に必要なものはありますか？ 彼らもlmerを使ったようです。
Re：マーティンによると、彼らは標準的なエラーを比較していました...うーん。 長い返信を書いたところ、投稿を押すと認証エラーが発生し、返信が失われました。 再作成を試みます...重複した投稿がないことを願っています。
その量はSEではありませんか？ 差= obs + crit * se-（obs --crit * se）= 2 * crit * se。 その分散を取ることは、私たちが関心を持っている標準誤差にはなりません。 それは信頼区間の幅の分散であり、私が知る限り、それは「興味深い」ものではありません。 予測値または信頼限界の標準誤差を取得すると、SEが約0.834になります。これは、各観測値に独自のSEがあるため、平均SEに似ています。
SASとJMPの間の不一致はわずかです。 （-2 log）の可能性は同じであるため、データテーブルの値が適切に丸められていないため、ローカル最適値または数値ファズのいずれかに遭遇しています。 固定効果は同じですが、予測値も小数点第4位以降は変動します。
/* outpm gives the marginal prediction information (values, se, CI) that corresponds to JMPs Mean Confidence Interval */
proc mixed data=sasuser.dietox nobound cl covtest;
class pig;
model weight= time feed / ddfm=kr2 s outpm=krpredmean;
random pig ;
run;
/* outp gives the conditional prediction information that corresponds to JMPs Conditional Mean CI */
proc mixed data=sasuser.dietox nobound;
class pig;
model weight= time feed / ddfm=satterth s outp=spred;
random pig;
run;
実際、JMPとPython / Rの間の予測値SEの不一致は、Martinのスクリーンショットに示されているように、グループ/豚の分散のSEの違いに起因しています。 分散の分散が作用します。 Pythonがそれをどのように計算しているかはわかりません。他のすべてのSEが同意し、同意しないのは奇妙に思えます。 繰り返しますが、SASとJMPは基本的に一致し、JMPSLS-REMLとMixedはわずかに異なるルーチンを使用しながら一致します。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかありがとう、 @martindemel 。 見てみます。
Re：マーティンによると、彼らは標準的なエラーを比較していました...ああ、再投稿で失われた情報のビット：
条件付き予測SEは、JMPProのMixedで利用できます。 両方のプラットフォームが限界SE（Std Error of Predicted）を提供しているのに、なぜSLS-REMLで使用できないのかわかりません。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますか信頼区間の不一致は、分散成分の計算された標準誤差に起因しているようです。
Pythonの出力には、グループ/豚の分散が31.836、SEが2.125です。 （マーティンのスクリーンショットから）
R出力は次のとおりです。
Random effects:
Groups Name Variance Std.Dev.
Pig (Intercept) 31.836 5.642
Residual 7.364 2.714
Number of obs: 789, groups: Pig, 72
JMPには次のものがあります。
SASには次のものがあります。
| 共分散パラメーターの推定 |
|---|
| Covパルミジャーノ |
見積もり |
標準
エラー |
Z値 |
Pr Z |
アルファ |
下 |
アッパー |
|---|
| 豚 |
31.8276 |
5.4936 |
5.79 |
<.0001 |
0.05 |
21.0604 |
42.5949 |
|---|
| 残余 |
7.3645 |
0.3898 |
18.89 |
<.0001 |
0.05 |
6.6565 |
8.1924 |
|---|
すべてのパッケージは同じ対数尤度を取得します。
パラメータの推定値は、基本的にすべてのパッケージで同じです。
豚/グループ分散コンポーネントのSEは、SAS、JMP、およびRで同等ですが、Pythonでは大きく異なります。
残差分散のSEはSASとJMPで同等ですが、Rは大きく異なり、Python出力のスクリーンショットにはその推定値のSEはありません。
分散成分のこれらのSEは以降の計算で必要になるため、予測信頼区間に差が生じます。 Rが信頼区間で使用している自由度やSEを取得して、それらを直接比較する方法がわかりません。 結果として生じる不一致は、間隔にのみ表示されます。
さまざまな間隔の自由度を確認するために、JMPにカスタムテストを追加できます。 このスクリプトには、平均信頼区間および条件付き平均CIと同等のカスタムテストが含まれています。 予測値とSEが、これらの列を保存したときに得られたものと一致していることがわかります。 追加情報は、テスト/ CIに使用されるDFDenです。 そのDFDenを使用して、CIのSEで使用する重要な値を見つけることができます。
Fit Model(
Y( :Weight ),
Effects( :Feed, :Time ),
Random Effects( :Pig ),
NoBounds( 1 ),
Personality( "Standard Least Squares" ),
Method( "REML" ),
Emphasis( "Minimal Report" ),
Run(
:Weight << {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( 1 ), Plot Residual by Normal Quantiles( 0 ),
Custom Test(
[1 5.200005 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0],
Label( "obs2 marginal" )
), Custom Test(
[1 5.200005 2 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0],
Label( "obs2 conditional" )
)}
)
);
これは問題の原因を「説明」していると思いますが、その理由は説明していません。 RまたはPythonが分散コンポーネントのSEをどのように取得しているかはわかりませんが、明らかに違いがあります。 JMPとSASの手順は完全に文書化されています（JMPドキュメントはすべての詳細な統計的推論情報についてSASドキュメントを指していると思います）。Viya LMIXED手順に関連するドキュメント（通常のPROC MIXEDと同じ）
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかRパッケージがStd.Devを呼び出すのに対し、JMPとSASはそれを標準エラーとしてラベル付けしていることに気づきました。 違いはありますか？ その固定効果レポートでは、Rは標準としてラベル付けされています。 エラー。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかおそらくそうではありません。 技術的には同じではありませんが、通常、これらの用語は同じ意味で使用されます。
Re：混合モデル/ REMLの結果：標準誤差の計算方法に関するドキュメントはありますかエリザベスに感謝します！
使用される最適化アルゴリズムに関しては、ドキュメントでニュートンラプソンに言及されていますが、LMIXEDで変更されるオプションがあります。 JMPではNRを使用しているだけで、切り替える変更はありませんよね？
また、ヘッセ行列を書き出すオプションもありません。 この出力があれば、Rアルゴリズムとは異なる反復から反復への違いがあったかどうかを比較できる可能性がありますが、数学的には違いはありません。 私が顧客にやらせる比較作業）。
調査ありがとうございます！ それはとても役に立ちました。
