Gemischte ModellproblemeWas ist das Problem mit diesen Daten?Ich kann keine Ausgabe für die Tests mit festen Effekten erhalten.
Ich führe ein gemischtes Modell eines randomisierten vollständigen Blockdesigns durch. Rep ist ein Zufallsfaktor, während S Rate und N Rate kontinuierliche Variablen sind. Ich würde gerne sehen, ob sich S-Rate oder N-Rate auf den Ertrag auswirken. Auch der Ertrag ist eine kontinuierliche Variable.
Ich kann eine Ausgabe erhalten, wenn ich es als standardmäßige Methode der kleinsten Quadrate mit der Reml-Methode ausführe, aber wenn ich es in ein gemischtes Modell ändere, erhalte ich keine Zahlen für den Test mit festen Effekten.
Erweiterte statistische ModellierungVersuchsplanungZuverlässigkeitsanalyseWindowsBetreff: Probleme mit gemischten Modellen@KernDawg : Als Denkanstoß möchte ich hier noch etwas hinzufügen. Wenn wir auf die Datenstruktur in den Variablen „S-Rate“ und „N-Rate“ achten, können wir erkennen, dass beide eher diskret (nicht streng kontinuierlich) sind, selbst wenn sie in Ihrer Datentabelle auf diese Weise modelliert werden.Sie können dies am Muster der Daten erkennen, wie es in den normalen Quantildiagrammen dargestellt ist.Diese Art von Muster weist oft auf eine begrenzte Messauflösung hin (im Kontext eines Messsystems, das zur Datenerfassung verwendet wird).
Wenn wir eine Exponentialverteilung an diese Daten anpassen (unter Verwendung der Distributionsplattform und Auswahl dieser Verteilungsanpassung zu Demonstrationszwecken und weil Johnson Sb das Risiko einer Überanpassung an die Daten eingeht), können wir JMP bitten, für jede dieser Anpassungen 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 Schätzungen fester Effekte:
Betreff: Probleme mit gemischten ModellenHallo @KernDawg , Die Konvergenzkriterien und der Optimierungsalgorithmus für „Gemischt anpassen“ und „Kleinste Quadrate anpassen“ (mit einem angegebenen Zufallseffekt) werden unterschiedlich sein. was meiner Vermutung nach auch Teil des Problems ist.Ein weiteres Problem bei diesem Datensatz ist die Kovarianzstruktur (hohes Störrisiko), die meiner Erfahrung nach zu Konvergenzproblemen führen kann:
Beachten Sie, dass wir als Faustregel eine Pearson-Korrelation von ~ 0,3 annehmen könnten, um ein mäßiges Risiko anzuzeigen, mit ~ 0,5 oder höher, um ein höheres Risiko anzuzeigen (dies hängt jedoch von den Fachkenntnissen und Ihrer persönlichen Risikodefinition ab). .
Die Fit Mixed-Plattform reagiert möglicherweise empfindlicher auf dieses Verwechslungsrisiko und daher auf ein scheinbares Konvergenzproblem (bei dem keine Effektschätzungen gemeldet werden).Einverstanden mit @Phil_Kay Dieses niedrige Signal-Rausch-Verhältnis in diesem Modell könnte zu dem Problem beitragen, das wir sehen.
Die Fit Least Squares-Persönlichkeit mit einem angegebenen Zufallseffekt scheint hier eine vollkommen akzeptable Modellspezifikation für Ihr Modellierungsszenario zu sein; In diesem Fall ist keiner Ihrer Effekte statistisch signifikant auf Ihre tatsächliche Ertragsantwort (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 darüber nachdenken, warum Ihr erwartetes Modell nicht besonders gut zu Ihren Daten passt (Adj-R-Quadrat = 6 % und weniger als die Hälfte von R-Quadrat = 13 %). :
- @PatrickGiuliano
Betreff: 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 ab. Ich schlage vor, dass Sie sich an den technischen Support wenden (E-Mail: support@jmp.com ), damit sie Nachforschungen anstellen können.
Abgesehen davon scheinen Ihre Faktoren kaum oder gar keinen Einfluss auf die Reaktion zu haben. Ich vermute, dass dies einer der Gründe für das Problem ist, das Sie sehen.
Ich hoffe das hilft,
Phil
