18271_de-DE

liliconcom

Lineare gemischte Modelle mit JMP 10.0.2 im Vergleich zu SAS 9.2<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Hallo zusammen,

 

Ein Kunde stellte fest, dass JMP 10.0.2 bei der Anwendung linearer gemischter Modelle für beide Programme andere Schätzungen liefert als SAS 9.2.

 

 

Hier ist das Beispiel:

 

 

JMP 10.0.2: Kleinster Quadratmittel-Std-Fehler Unterer CL Oberer CL

 

 

A 99,073901 0,63026917 97,530305 100,61750

 

B 99.153272 0,63426425 97.608388 100.69816

 

C 99.766164 0,63105798 98.222362 101.30997

 

D 98,341544 0,54416752 97,067229 99.61586

 

E 97,177437 0,65625537 95,620335 98.73454

 

F 96,691972 0,63959974 95,147114 98,23683

 

 

 

SAS 9.2:

 

 

Wirkung	F2	Schätzen	Standart Fehler	DF	t Wert	Pr > |t|	Alpha	Untere	Oberer, höher
F2	EIN	99.0739 0,6302		83	157,20	<0,0001	0,05 97.8204 100,33
F2	B	99.1533 0,6341		83	156,38	<0,0001	0,05 97.8921 100.41
F2	C	99.7662 0,6310		83	158,11	<0,0001	0,05 98.5111 101.02
F2	D	98,3415 0,5433		83	181.02	<0,0001	0,05 97.2610 99.4221
F2	E	97.1774 0.6549		83	148,39	<0,0001	0,05 95.8749 98.4800
F2	F	96.6920 0.6396		83	151.18	<0,0001	0,05 95.4199 97.9640

 

 

Wie Sie sehen können, erhalten sie unterschiedliche Konfidenzintervalle. Können Sie mir mit einer Antwort auf den Grund dafür helfen?

 

 

Daten:

 

 

V1	F1	F2	F3
99.38463	EIN	EIN	EIN
98.99927	EIN	EIN	EIN
99.27793	EIN	EIN	EIN
99.29341	EIN	EIN	EIN
99,16183	EIN	EIN	EIN
98.86683	EIN	EIN	EIN
98,95378	EIN	EIN	EIN
98.80463	EIN	EIN	EIN
98.63573	EIN	EIN	EIN
98,87085	EIN	EIN	EIN
98.82634	EIN	EIN	EIN
98.99573	EIN	EIN	EIN
98.94268	EIN	EIN	B
99,22524	EIN	EIN	B
98.91561	EIN	EIN	B
99.28476	EIN	EIN	B
99,54232	EIN	EIN	B
98,61012	EIN	EIN	B
99.25841	EIN	EIN	B
99,3661	EIN	EIN	B
99.02293	EIN	B	C
98.76476	EIN	B	C
99.06098	EIN	B	C
99,19512	EIN	B	C
99,13061	EIN	B	C
99.36744	EIN	B	C
99,35598	EIN	B	C
99.03805	EIN	B	C
98.88524	EIN	B	C
99.72793	EIN	B	C
99,42183	EIN	B	C
99.69329	EIN	B	C
100,1484	EIN	B	C
99.64268	EIN	B	C
98,57	EIN	B	C
98.68439	EIN	B	D
99.02549	EIN	B	D
98,76195	EIN	B	D
99,06159	EIN	B	D
99.62293	EIN	B	D
100.9184	EIN	C	E
100.532	EIN	C	E
100.4365	EIN	C	E
99.64683	EIN	C	E
99,175	EIN	C	E
98.75463	EIN	C	E
97.95756	EIN	C	E
99.21073	EIN	C	E
99.74841	EIN	C	E
99.29878	EIN	C	E
98.73598	EIN	C	E
97.89524	EIN	C	E
98,81134	EIN	C	E
100.5904	EIN	C	F
99,94049	EIN	C	F
99,98195	EIN	C	F
99.90427	EIN	C	F
100.6167	EIN	C	F
100,4715	EIN	C	F
100.095	EIN	C	F
97.87988	B	D	g
97,91	B	D	g
99.33707	B	D	h
100.9166	B	D	h
99.03921	B	D	h
97.95787	B	D	h
98.01957	B	D	h
98,37085	B	D	h
97,32073	B	D	h
97,63201	B	D	h
98,3075	B	D	ich
98.72665	B	D	ich
98.86909	C	E	J
97,68666	C	E	J
97.97723	C	E	J
98,31459	C	E	J
98,86204	C	E	J
98,35888	C	E	J
99,50009	C	E	J
99,05164	C	E	J
99,25596	C	E	J
98.83933	C	E	J
95.81784	C	E	K
95.01733	C	E	K
96.34623	C	F	L
96.74948	C	F	L
97.20784	C	F	L
97,36222	C	F	L
97,19511	C	F	L
96,46179	C	F	m
96.149	C	F	m
96.94456	C	F	m
96.50015	C	F	m
96.35419	C	F	m
96.05544	C	F	m
96.46495	C	F	m

 

Betreff: Lineare gemischte Modelle mit JMP 10.0.2 im Vergleich zu SAS 9.2

Meine beste Vermutung ist, dass Ihr Kunde DDFM=KENWARDROGER in der Model-Anweisung in SAS Proc Mixed nicht festlegt. T Die Kenward- und Roger-Korrektur ist die Standardeinstellung von JMP . Ich habe die LS-Means-Ergebnisse aus dem JMP-Match Proc Mixed gefunden.