18271_it-IT

liliconcom

Modelli misti lineari che utilizzano JMP 10.0.2 rispetto a SAS 9.2<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Ciao a tutti,

 

Un cliente ha scoperto che JMP 10.0.2 fornisce stime diverse rispetto a SAS 9.2 quando si applicano modelli misti lineari per entrambi i programmi.

 

 

Ecco l'esempio:

 

 

JMP 10.0.2: errore std medio quadratico minimo CL inferiore CL superiore

 

 

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:

 

 

Effetto	F2	Stima	Errore standard	DF	t Valore	Pr > |t|	Alfa	Inferiore	Superiore
F2	UN	99.0739 0,6302		83	157.20	<.0001	0.05 97.8204 100.33
F2	B	99.1533 0,6341		83	156,38	<.0001	0.05 97.8921 100.41
F2	C	99.7662 0.6310		83	158.11	<.0001	0.05 98.5111 101.02
F2	D	98.3415 0,5433		83	181.02	<.0001	0.05 97.2610 99.4221
F2	E	97.1774 0,6549		83	148.39	<.0001	0.05 95.8749 98.4800
F2	F	96,6920 0.6396		83	151.18	<.0001	0.05 95.4199 97.9640

 

 

Come puoi vedere, ottengono diversi intervalli di confidenza. Potete aiutarmi con una risposta per il motivo di questo?

 

 

Dati:

 

 

V1	F1	F2	F3
99,38463	UN	UN	UN
98,99927	UN	UN	UN
99,27793	UN	UN	UN
99.29341	UN	UN	UN
99,16183	UN	UN	UN
98.86683	UN	UN	UN
98.95378	UN	UN	UN
98,80463	UN	UN	UN
98.63573	UN	UN	UN
98.87085	UN	UN	UN
98.82634	UN	UN	UN
98.99573	UN	UN	UN
98,94268	UN	UN	B
99,22524	UN	UN	B
98.91561	UN	UN	B
99.28476	UN	UN	B
99,54232	UN	UN	B
98,61012	UN	UN	B
99.25841	UN	UN	B
99,3661	UN	UN	B
99.02293	UN	B	C
98.76476	UN	B	C
99.06098	UN	B	C
99,19512	UN	B	C
99,13061	UN	B	C
99.36744	UN	B	C
99,35598	UN	B	C
99.03805	UN	B	C
98.88524	UN	B	C
99.72793	UN	B	C
99,42183	UN	B	C
99.69329	UN	B	C
100,1484	UN	B	C
99,64268	UN	B	C
98,57	UN	B	C
98.68439	UN	B	D
99.02549	UN	B	D
98,76195	UN	B	D
99,06159	UN	B	D
99.62293	UN	B	D
100.9184	UN	C	E
100.532	UN	C	E
100.4365	UN	C	E
99.64683	UN	C	E
99,175	UN	C	E
98.75463	UN	C	E
97.95756	UN	C	E
99,21073	UN	C	E
99.74841	UN	C	E
99.29878	UN	C	E
98.73598	UN	C	E
97.89524	UN	C	E
98,81134	UN	C	E
100,5904	UN	C	F
99,94049	UN	C	F
99,98195	UN	C	F
99.90427	UN	C	F
100.6167	UN	C	F
100,4715	UN	C	F
100.095	UN	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	io
98.72665	B	D	io
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

 

Ri: Modelli misti lineari che utilizzano JMP 10.0.2 rispetto a SAS 9.2

La mia ipotesi migliore è che il cliente non imposti DDFM=KENWARDROGER nell'istruzione Model in SAS Proc Mixed. T la correzione Kenward e Roger è l'impostazione predefinita utilizzata da JMP . Ho trovato i risultati di LS Means da JMP match Proc Mixed.