多変量線形混合モデルによる回帰-私はこれを正しく行っていますか？パラメータ推定値とその標準誤差を抽出するにはどうすればよいですか？私はJMPで多変量線形混合回帰分析に取り組んでおり、次のことを確認するためにチェックインしたいと思います。質問1.私が正しい方向に進んでいるかどうか。
以下に説明する分析のために収集されたデータは、4回の複製を伴うランダム化された完全なブロックデザインを所有するフィールド実験から得られたものです。 実験には、作物密度が2つの列間隔（12および20 cm）にわたって段階的に（200、300、400、および500植物m ^ -2）上昇する加法設計があります。 作物バイオマス（gm ^ 2）が連続変数作物密度（109から494植物m ^ -2の範囲の観測値）と2つのレベルの名目変数である行間隔（15と20）によってどのように影響を受けるかを評価することに興味があります。 CM）。
適合モデルプラットフォームを使用して、オオムギバイオマスは、列間隔（公称）作物密度（連続）、および列間隔*作物密度間の相互作用の関数として評価されます。 ブロックも変量効果として含まれています。
重要でない変数はモデルから削除されます。この場合、行間隔*作物密度の間の交互作用項が削除されました。
予測プロットで残差を確認した後、ドロップダウン>列の保存>予測フォーラムを選択します。
縮小された「適合モデル」プラットフォームで報告される内容は次のとおりです。
また、データテーブルの列バーにある「+」記号をクリックして、保存されている「予測式」を表示すると、次のようになります。
また、この分析に合わせてグラフビルダーで図を作成しました。 線は次のように適合します= y軸の予測式* x軸の連続変数作物密度。ポイントは、y軸の連続変数大麦バイオマスに適合します*行間隔によってブロック全体で200、300、400、および500の植栽密度（したがって4Xドット）を受け取るプロット内の平均作物密度。
作物密度（植物m-2）とすべての作物バイオマス（g m-2）の関係について、パラメーター推定値と関連する標準誤差を示す表で報告したいと思います。 f1 （（バツ）、線形混合モデルを使用して評価：
f1（x）= a（r）+ b（r）* d r = 1,2
どこaは、作物密度がゼロに等しいときの作物バイオマスを表し、bは作物密度が増加するときの傾き、dは作物密度、およびr 1とr 2はそれぞれRS15とRS20です。
傾き、パラメーターbは両方の行間隔で同じであり、0.8479（予測式およびパラメーター推定レポートに表示）であり、標準誤差は0.2066（パラメーター推定レポートに表示）です。
15 cmの行間隔、パラメーターa（r1）の切片を計算するために、1436-233 = 1203（予測された式から数値を取得）を計算し、パラメーター推定レポートから標準誤差（19）を取得します。 したがって、行間隔20 cmの切片、パラメーターa（r2）は、1436 + 233 = 1669であり、この場合の標準誤差も19であると推測しています。
したがって、グラフビルダープラットフォームの「適合線」の下にある「方程式」ボックスがチェックされている場合のように、Y（15）= 1203 + 0.8479 * XおよびY（20）= 1670 + 0.8479 * X。
質問2。これは、レポートのパラメーター推定値とその標準誤差を計算/取得する正しい方法ですか？
これは、相互作用項の行間隔*作物密度が重要であり、したがってモデルに保持される2番目の例です。
適合モデルレポートからのパラメーター推定値は次のとおりです。
保存された列からの予測式は次のとおりです。
そしてここに図があります：
質問3。 この場合、パラメーター推定値と標準誤差を抽出するにはどうすればよいですか？
分析Re：多変量線形混合モデルによる回帰-私はこれを正しく行っていますか？パラメータ推定値とその標準誤差を抽出するにはどうすればよいですか？ここで良い仕事をしたようです。
申し訳ありませんが、スクリーンショットだけでは「これを正しく行っている」かどうかはわかりません。 それは私に全体像を与えるものではありません。
バリエーションのさまざまなコンポーネントがあると言っているので、混合モデルの場合は非常に複雑になる可能性があります。 このため、標準エラーの報告はより複雑になります。
データテーブルを添付できますか？ または匿名バージョン？
Re：多変量線形混合モデルによる回帰-私はこれを正しく行っていますか？パラメータ推定値とその標準誤差を抽出するにはどうすればよいですか？確かに、フィードバックをありがとうございます。
最初の投稿で示した2つの例に適用できる要素を含む「縮小」JMPデータセットを添付しました。
含まれているアイテムの簡単な「ツアー」：
- 「CROPEFFECTANALYSIS」というタイトルのデータテーブルに保存されたモデルは、列タイトルが「MP_BarleyBiomass_GM2」および「SP_BarleyBiomass_GM2」の応答変数に対して上記で実行した多変量混合線形回帰を実行するために使用したモデルです。
- 「GRAPH1_MP_BarleyBiomass」および「GRAPH2_SP_BarleyBiomass」というタイトルのデータテーブルに保存された追加のスクリプトは、最初の投稿の視覚化結果に表示される図を生成します。
- 「TRT_RowSpacing_Cm」というタイトルの列は、モデルで使用される名目上の説明変数です。
- 「TRT_CropDensity_NoM2」は、各プロット、200、300、400、または500植物m ^ -2に規定された目標作物密度（つまり、処理）であり、「FP_CropDensity_NoM2」は達成各プロットで測定された作物密度。 FP_CropDensity_NoM2は、モデルの連続変数として使用されます。
- 最後に、「ACHIEVED_CropDensity_NoM2_AvgAcrossBlocksByTargetCropDensityByRowSpacing」というタイトルの列=達成された作物密度（FP_CropDensity_NoM2）は、同じ目標作物密度（TRT_CropDensity_NoM2）と行間隔（TRT_RowSpacing_
他にご不明な点がございましたら、お気軽にお問い合わせください。
パラメータ推定値（特に以前の投稿で示したSP_BarleyBiomass_GM2の例）とそれに対応する標準誤差を特定する方法は、現時点では完全に理解できない私の最も重要な質問です。
ご多幸を祈る、
マーガレット
Re：多変量線形混合モデルによる回帰-私はこれを正しく行っていますか？パラメータ推定値とその標準誤差を抽出するにはどうすればよいですか？ありがとう、マーガレット。 それは本当に役立ちます。
なぜあなたがブロック効果を持っているのか興味があります。 各ブロックの観測値（行）は別々のプロットからのものであるように思われるため、同じ処理の完全に独立した観測値です。 しかし、あなたは私よりも実験についてもっと知っているので、おそらく私が見逃したことを知っているでしょう。
パラメータ推定値のレポートに関しては、パラメータ推定値テーブルに必要なものがすべて揃っているので、それらがJMPの予測式および使用する方程式形式とどのように関連しているかを確認できれば幸いです。
ただし、JMPのモデルに2つのレベルがある名目上の効果がある場合、切片はそれらの2つのレベルの平均に対する応答の予測であることを知っておく必要があります。 ただし、必要に応じて、名目上の各レベルの切片を簡単に計算できます...
あなたの例では、切片は（およそ）1436であり、行間隔= 15の効果は-233です。
したがって、行間隔= 15の切片は、1436-233 = 1203です。
したがって、行間隔= 20の切片は、1436 + 233 = 1669です。
切片の定義方法に関係なく、標準誤差は同じです。
予測プロファイラーを使用することをお勧めします（フィットモデルレポートの上部にある赤い三角形のメニュー>ファクタープロファイリング>プロファイラー）。 これがあなたのモデルを理解するための最良の方法だと思います。 変数を任意の値に設定して、モデルによって予測された応答を確認できます。 たとえば、ここでは、切片（作物密度= 0の場合）が1203で、行間隔= 15であることがはっきりとわかります。
また、作物密度を1単位増やすと、予測応答が0.85単位増えることがわかります。
同様に、これは交互作用効果がどのようにパラメーター化されるかを理解するのに役立つはずだと思います。
これがお役に立てば幸いです。
フィル
