Als ich auf „Modell anpassen“ klickte, erschien „Modell 1“, einschließlich „Random Block & Random“ als Faktor, was bedeutet, dass „Random Block“ eher ein zufälliger als ein fester Effekt ist. Wenn ich jedoch "Modell 2" nur mit "Random Block" als Faktor betreibe, wird alles weniger effizient. Was ist richtiger und warum?
Außerdem bin ich an die Ausgabe von Model 2 gewöhnt, in der ich auf Scaled Estimates klicken kann. Und mir wurde bei einer JMP-Schulung beigebracht, dass dies halbe Schätzungen sind, also muss ich diese mit 2 multiplizieren, um die tatsächlichen Änderungen in der Antwort zu erhalten. Die Ausgabe von Modell 1, die ich noch nie zuvor gesehen habe, erlaubt Ihnen nicht, skalierte Schätzungen auszuwählen, warum ist das so?
Modell 1 und Parameterschätzungen:
Modell 2 und skalierte Schätzungen:
Das Anpassen verschiedener Modelle führt zu unterschiedlichen Ergebnissen. Den Block als festen oder zufälligen Effekt zu behandeln, ist ein großer Unterschied. Erstens ändert es die Parameter im Modell. Ein fester Effekt für 4 Blöcke erfordert 3 Parameter. Dieser Unterschied ändert die Freiheitsgrade für die Quadratsumme des Modells und den Fehler, was sich auf die Signifikanzmetriken auswirkt. Ein zufälliger Effekt für 4 Blöcke erfordert 1 Parameter. Ein Mixed-Effects-Modell verwendet in JMP standardmäßig REML zur Schätzung. REML passt die Freiheitsgrade an, sodass diese Methode auch die Signifikanzmetriken beeinflusst.
