Problema de modelo mixto¿Cuál es el problema con estos datos?No puedo obtener ningún resultado para las pruebas de efectos fijos.
Estoy realizando un modelo mixto de un diseño de bloques completos al azar. Rep es un factor aleatorio, mientras que S Rate y N Rate son variables continuas. Me gustaría ver si la tasa S o la tasa N afectan el rendimiento. El rendimiento también es una variable continua.
Puedo obtener resultados cuando lo ejecuto como mínimos cuadrados estándar con el método reml, pero cuando lo cambio a modelo mixto no obtengo ningún número para la prueba de efectos fijos.
Tabla de datosventanasRe: Problema de modelo mixtoHola,
No estoy seguro de lo que está pasando aquí. En JMP Pro 16.2.0 tengo el mismo problema que tú. Por casualidad, ejecuté el informe en una versión de adopción temprana de JMP Pro 17 (EA6) y, en ese caso, proporcionó estimaciones para los efectos fijos. Le sugiero que se comunique con el soporte técnico (correo electrónico: support@jmp.com ) para que puedan investigar.
Aparte de todo eso, parece que sus factores tienen poco o ningún efecto sobre la respuesta. Sospecho que es parte de la razón del problema que está viendo.
Espero que eso ayude,
phil
Re: Problema de modelo mixtoHola @KernDawg , Los criterios de convergencia y el algoritmo de optimización para Fit Mixed y Fit Least Squares (con un efecto aleatorio especificado) van a ser diferentes; que sospecho que también es parte del problema aquí.Otro problema con este conjunto de datos es la estructura de covarianza (alto riesgo de confusión), que puede causar problemas de convergencia en mi experiencia:
Tenga en cuenta que, como regla general, podríamos considerar una correlación de Pearson de ~ 0,3 para indicar un riesgo moderado, con ~ 0,5 o más para indicar un riesgo mayor (pero esto dependerá del conocimiento del tema y de su propia definición personal de riesgo) .
La plataforma Fit Mixed puede ser más sensible a este riesgo de confusión y, por lo tanto, a lo que parece ser un problema de convergencia (donde no se informan las estimaciones del efecto).De acuerdo con @Phil_Kay que la baja relación señal/ruido en este modelo puede contribuir al problema que estamos viendo.
La personalidad Ajustar mínimos cuadrados con un efecto aleatorio especificado parece una especificación de modelo perfectamente aceptable para su escenario de modelado aquí; en cuyo caso, ninguno de sus efectos es estadísticamente significativo en su respuesta de rendimiento real (excepto el término de intercepción).
El hecho de que solo el intercepto sea "significativo" es probablemente otra pista.Es posible que desee ver un modelo que se ajuste mejor aquí, o considerar por qué su modelo esperado no se ajusta particularmente bien a sus datos (Adj-R-squared = 6% y es menos de la mitad de R-squared = 13%). :
- @patrickgiuliano
Re: Problema de modelo mixto@KernDawg : Me gustaría agregar una cosa más aquí como alimento para el pensamiento. Si prestamos atención a la estructura de datos en las variables "Tasa S" y "Tasa N", podemos ver que ambas son bastante discretas (no estrictamente continuas), incluso si están modeladas en su tabla de datos de esta manera.Puede ver esto en el patrón de los datos como se muestra en los gráficos de cuantiles normales.Este tipo de patrón suele ser indicativo de una resolución de medición limitada (en el contexto de un sistema de medición utilizado para recopilar datos).
Si ajustamos una distribución exponencial a estos datos (usando la plataforma de distribución y seleccionando este ajuste de distribución con fines de demostración y porque Johnson Sb corre el riesgo de sobreajustar los datos), podemos pedirle a JMP que guarde una columna continua simulada para estos ajustes para cada de estas dos variables:
Cuando hacemos esto, y tratamos de ajustar el mismo modelo en Fit Mixed (usando estas variables en lugar de las originales), el modelo converge y obtenemos con éxito estimaciones de efectos fijos:
