Probleme mit gemischten ModellenWas ist das Problem mit diesen Daten?Ich bekomme keine Ausgabe für die Fixed-Effects-Tests.
Ich führe ein gemischtes Modell eines randomisierten vollständigen Blockdesigns durch. Rep ist ein zufälliger Faktor, während S Rate und N Rate kontinuierliche Variablen sind. Ich würde gerne sehen, ob sich die S-Rate oder die N-Rate auf die Ausbeute auswirkt. Der Ertrag ist ebenfalls eine kontinuierliche Variable.
Ich kann eine Ausgabe erhalten, wenn ich sie als Standardmethode der kleinsten Quadrate mit der reml-Methode ausführe, aber wenn ich sie in ein gemischtes Modell ändere, erhalte ich keine Zahlen für den Test mit festen Effekten.
DatentabelleWindowsBetreff: Probleme mit gemischten ModellenHallo,
Ich bin mir nicht sicher, was hier passiert. In JMP Pro 16.2.0 habe ich das gleiche Problem wie Sie. Zufällig habe ich den Bericht in einer Early-Adopter-Version von JMP Pro 17 (EA6) ausgeführt und in diesem Fall gab er Schätzungen für die behobenen Effekte an. Ich schlage vor, dass Sie sich an den technischen Support wenden (E-Mail: support@jmp.com ), damit sie nachforschen können.
Abgesehen davon scheint es, dass Ihre Faktoren wenig oder gar keinen Einfluss auf die Reaktion haben. Ich vermute, dass dies ein Teil des Grundes für das Problem ist, das Sie sehen.
Ich hoffe das hilft,
Phil
Betreff: Probleme mit gemischten ModellenHallo @KernDawg , Die Konvergenzkriterien und der Optimierungsalgorithmus für „Gemischt anpassen“ und „Kleinste Quadrate anpassen“ (mit festgelegtem Zufallseffekt) werden unterschiedlich sein; was ich vermute, ist auch hier ein Teil des Problems.Ein weiteres Problem bei diesem Datensatz ist die Kovarianzstruktur (hohes Verwechslungsrisiko), die meiner Erfahrung nach Konvergenzprobleme verursachen kann:
Beachten Sie, dass wir als Faustregel eine Pearson-Korrelation von ~ 0,3 für ein mittleres Risiko und von ~ 0,5 oder höher für ein höheres Risiko halten könnten (dies hängt jedoch von Ihrem Fachwissen und Ihrer persönlichen Risikodefinition ab). .
Die Fit-Mixed-Plattform reagiert möglicherweise empfindlicher auf dieses verwirrende Risiko und daher auf ein scheinbares Konvergenzproblem (bei dem keine Effektschätzungen gemeldet werden).Einverstanden mit @Phil_Kay Dieses niedrige Signal-Rausch-Verhältnis in diesem Modell kann zu dem Problem beitragen, das wir sehen.
Die Persönlichkeit Fit Least Squares mit einem spezifizierten zufälligen Effekt sieht hier wie eine vollkommen akzeptable Modellspezifikation für Ihr Modellierungsszenario aus; In diesem Fall ist keiner Ihrer Effekte statistisch signifikant auf Ihre Ertrag-Ist-Antwort (mit Ausnahme des Intercept-Terms).
Die Tatsache, dass nur der Abschnitt „signifikant“ ist, ist wahrscheinlich ein weiterer Hinweis.Vielleicht möchten Sie sich hier ein besser passendes Modell ansehen oder überlegen, warum Ihr erwartetes Modell nicht besonders gut zu Ihren Daten passt (Adj-R-Quadrat = 6 % und weniger als 1/2 von R-Quadrat = 13 %). :
- @PatrickGiuliano
Betreff: Probleme mit gemischten Modellen@KernDawg : Ich möchte hier noch etwas als Denkanstoß hinzufügen. Wenn wir auf die Datenstruktur in den Variablen "S Rate" und "N Rate" achten, können wir sehen, dass sie beide ziemlich diskret (nicht streng kontinuierlich) sind, auch wenn sie auf diese Weise in Ihrer Datentabelle modelliert sind.Sie können dies im Muster der Daten sehen, wie es in den normalen Quantildiagrammen gezeigt wird.Diese Art von Muster weist häufig auf eine begrenzte Messauflösung hin (im Zusammenhang mit einem Messsystem, das zum Sammeln von Daten verwendet wird).
Wenn wir eine Exponentialverteilung an diese Daten anpassen (unter Verwendung der Verteilungsplattform und Auswahl dieser Verteilungsanpassung zu Demonstrationszwecken und weil Johnson Sb eine Überanpassung an die Daten riskiert), können wir JMP bitten, für diese Anpassungen jeweils eine simulierte kontinuierliche Spalte zu speichern dieser beiden Variablen:
Wenn wir dies tun und versuchen, dasselbe Modell in Fit Mixed anzupassen (unter Verwendung dieser Variablen anstelle der ursprünglichen), konvergiert das Modell und wir erhalten erfolgreich Fixed Effects-Schätzungen:
