¿Por qué obtengo resultados diferentes del análisis de componentes de varianza entre SAS y JMP?¿Por qué obtengo resultados diferentes entre SAS y JMP para el análisis de componentes de varianza?
Caso 1 - Cruzado y luego cruzado
proc varcomp data = data method = TYPE1;
clase Factor1 Factor2 Factor3;
variable modelo = Factor1 Factor2 Factor3;
correr;
= JMP - Calidad y proceso - Variabilidad / Cuadro de indicadores de atributos - Tipo de modelo - Cruzado
(Si se selecciona "Efecto principal", el resultado es el mismo con SAS).
Caso 2: anidado y luego cruzado
proc varcomp data = data method = TYPE1;
clase Factor1 Factor2 Factor3;
variable modelo = Factor1 Factor2 (Factor1) Factor3;
correr;
= JMP - Calidad y proceso - Variabilidad / Cuadro de indicadores de atributos - Tipo de modelo - Anidado y luego cruzado
Caso 3 - Cruzado y luego anidado
proc varcomp data = data method = TYPE1;
clase Factor1 Factor2 Factor3;
variable modelo = Factor1 Factor2 Factor3 (Factor2);
correr;
= JMP - Calidad y proceso - Variabilidad / Cuadro de indicadores de atributos - Tipo de modelo - Cruzado y luego anidado
Se confirmó que los resultados de SAS y JMP del componente de varianza son los mismos cuando el número de factores es 1 o 2.
Sin embargo, los resultados son diferentes para los casos anteriores con 3 factores. \
Realmente lo agradecería ... ¡si pudiera decirme por qué los resultados de los dos programas son diferentes!
AnalíticaTabla de datosGAMAMac OSOtroVentanasRe: ¿Por qué obtengo resultados diferentes del análisis de componentes de varianza entre SAS y JMP?Sin ver sus datos, no puedo estar seguro de por qué son diferentes, pero puedo hacer una conjetura.
En el código SAS, está usando el Método = Tipo I. Esto está usando sumas de cuadrados de tipo I para la estimación. En el cuadro de diálogo Componentes de varianza de JMP, hay un botón para Configuración de análisis. Si hace clic en eso, verá que el valor predeterminado de JMP es "Elegir el mejor análisis". Por lo tanto, JMP podría cambiar libremente entre EMS, REML o bayesiano. Por lo tanto, es probable que JMP utilice un método de estimación diferente al de SAS. Tenga en cuenta que JMP ni siquiera ofrece una opción para forzar el método Tipo I (o EMS), ya que es un enfoque más antiguo que generalmente no se recomienda.
Si necesita que estén de acuerdo, en SAS configure el método en REML. En JMP, elija Usar análisis REML. Eso debería hacerlos estar de acuerdo. Pero tenga en cuenta que incluso en esta situación, dependiendo de sus datos, puede haber pequeñas diferencias debido al enfoque de cómo se pueden manejar las matrices grandes (divididas y recombinadas) con fines de eficiencia, así como a la naturaleza iterativa en la resolución de tales ecuaciones. .
Re: ¿Por qué obtengo resultados diferentes del análisis de componentes de varianza entre SAS y JMP?Querido Dan,
Muchas gracias por tu amable respuesta.
Como dijiste, obtengo los mismos resultados cuando uso REML.
Entendí que no se puede obtener el mismo resultado en el caso de no REML porque el método de estimación del método de error tipo 1 y el método EMS son diferentes.
Dijiste que el método Type1 es un método antiguo.
¿Puede el uso de REML obtener resultados ANOVA más precisos incluso si la variación no es negativa?
Re: ¿Por qué obtengo resultados diferentes del análisis de componentes de varianza entre SAS y JMP?¿Qué se entiende exactamente por exacto? El enfoque Tipo I o EMS y REML son solo métodos de estimación diferentes. REML es un método de estimación muy bueno y respetado que existe desde hace años. De hecho, para la mayoría de situaciones con datos equilibrados, proporcionará los mismos resultados que EMS. REML tiene la ventaja de trabajar en situaciones de desequilibrio y en situaciones con componentes de varianza negativos. Además, REML incluso le permitiría REQUERIR que los componentes de la varianza sean mayores o iguales a cero para evitar las estimaciones negativas.
Puede sentirse cómodo con el enfoque REML.
