Problemi di modelli mistiQual è il problema con questi dati?Non riesco a ottenere alcun output per i test degli effetti fissi.
Sto eseguendo un modello misto di un progetto di blocco completo randomizzato. Rep è un fattore casuale mentre S Rate e N Rate sono variabili continue. Vorrei vedere se il tasso S o il tasso N influiscono sul rendimento. Anche il rendimento è una variabile continua.
Posso ottenere l'output quando lo eseguo come minimi quadrati standard con il metodo reml, ma quando lo cambio in un modello misto non ottengo alcun numero per il test degli effetti fissi.
Tabella datifinestreRe: Problemi con i modelli mistiCiao,
Non sono sicuro di cosa stia succedendo qui. In JMP Pro 16.2.0 ho il tuo stesso problema. Per caso ho eseguito il rapporto in una versione per utenti iniziali di JMP Pro 17 (EA6) e in quel caso ha fornito stime per gli effetti fissi. Ti suggerisco di contattare il supporto tecnico (email: support@jmp.com ) in modo che possano indagare.
A parte questo, sembra che i tuoi fattori abbiano scarso o nessun effetto sulla risposta. Sospetto che sia parte del motivo del problema che stai vedendo.
Spero che aiuti,
Fil
Re: Problemi con i modelli mistiCiao @KernDawg , I criteri di convergenza e l'algoritmo di ottimizzazione per Fit Mixed e Fit minimi quadrati (con un effetto casuale specificato) saranno diversi; che sospetto sia anche parte del problema qui.Un altro problema con questo set di dati è la struttura di covarianza (alto rischio di confondimento), che può causare problemi di convergenza nella mia esperienza:
Nota che come regola pratica, potremmo considerare una correlazione di Pearson di ~ 0,3 per indicare un rischio moderato, con ~0,5 o superiore per indicare un rischio più elevato (ma questo dipenderà dalla conoscenza dell'argomento e dalla tua personale definizione del rischio) .
La piattaforma Fit Mixed potrebbe essere più sensibile a questo rischio confondente e, quindi, a quello che sembra essere un problema di convergenza (dove le stime degli effetti non sono riportate).Essere d'accordo con @Phil_Kay quel basso rapporto segnale/rumore in questo modello può contribuire al problema che stiamo vedendo.
La personalità Adatta ai minimi quadrati con un effetto casuale specificato sembra una specifica del modello perfettamente accettabile per il tuo scenario di modellazione qui; in tal caso, nessuno dei tuoi effetti è statisticamente significativo sulla tua risposta Rendimento effettivo (ad eccezione del termine Intercetta).
Il fatto che solo l'intercettazione sia "significativa" è probabilmente un altro indizio.Potresti voler guardare un modello più adatto qui o considerare perché il tuo modello previsto non si adatta particolarmente bene ai tuoi dati (Adj-R-quadrato = 6% ed è inferiore a 1/2 di R-quadrato = 13%) :
- @Patrick Giuliano
Re: Problemi con i modelli misti@KernDawg : Vorrei aggiungere un'altra cosa qui come spunto di riflessione. Se prestiamo attenzione alla struttura dei dati nelle variabili "S Rate" e "N Rate", possiamo vedere che sono entrambe piuttosto discrete (non strettamente continue), anche se sono modellate nella tua tabella di dati in questo modo.Puoi vederlo nel modello dei dati come mostrato nei normali grafici dei quantili.Questo tipo di pattern è spesso indicativo di una risoluzione di misurazione limitata (nel contesto di un sistema di misurazione utilizzato per raccogliere dati).
Se adattiamo una distribuzione esponenziale a questi dati (usando la piattaforma di distribuzione e selezionando questa distribuzione adatta ai fini della dimostrazione e poiché Johnson Sb rischia di adattarsi in modo eccessivo ai dati), possiamo chiedere a JMP di salvare una colonna continua simulata per questi adattamenti per ogni di queste due variabili:
Quando lo facciamo, e proviamo ad adattare lo stesso modello in Fit Mixed (usando queste variabili invece di quelle originali), il modello converge e otteniamo con successo le stime degli effetti fissi:
