フィットモデルが異なる因子の有意性を示しているのはなぜですか？ 「モデル1」では、ランダムブロックは固定効果ではなくランダム効果ですが、「モデル2」ではすべての要素が固定効果としてリストされています。Fit Modelをクリックすると、「Random Block＆Random」を要素として含む「model1」がポップアップしました。これは、「RandomBlock」が固定効果ではなくランダムであることを意味します。 ただし、「ランダムブロック」だけを要素として「モデル2」を実行すると、すべての効率が低下します。 どちらがより正しいのか、そしてその理由は？
また、私はモデル2の出力に慣れており、スケーリングされた見積もりをクリックできます。 そして、私はJMPトレーニングで、これらは半分の見積もりであると教えられたので、応答の実際の変化を得るには、それらに2を掛ける必要があります。 私がこれまでに見たことがないモデル1の出力では、スケーリングされた推定値を選択できません。それはなぜですか？
モデル1とパラメーターの見積もり：
モデル2とスケーリングされた見積もり：
DOERe：フィットモデルが異なる因子の重要性を示しているのはなぜですか？ 「モデル1」では、ランダムブロックは固定効果ではなくランダム効果ですが、「モデル2」ではすべての要素が固定効果としてリストされています。異なるモデルを適合させると、異なる結果が得られます。 ブロックを固定効果またはランダム効果として扱うことは大きな違いです。 まず、モデルのパラメーターを変更します。 4ブロックの固定効果には、3つのパラメーターが必要です。 この違いにより、モデルの二乗和と誤差の自由度が変わり、有意性の指標に影響します。 4ブロックのランダム効果には、1つのパラメーターが必要です。 JMPの混合効果モデルは、デフォルトで推定にREMLを使用します。 REMLは自由度を調整するため、この方法は重要度メトリックにも影響します。
