Quando ho fatto clic su Adatta modello, è apparso "modello 1", incluso "Blocco casuale e casuale" come fattore, il che significa che "Blocco casuale" è un effetto casuale anziché fisso. Tuttavia, quando eseguo il "modello 2" con solo "Blocco casuale" come fattore, tutto diventa meno efficiente. Qual è la cosa più corretta e perché?
Inoltre, sono abituato all'output del Modello 2, in cui posso fare clic su Stime in scala. E durante un corso di formazione JMP mi è stato insegnato che quelle sono mezze stime, quindi devo moltiplicarle per 2 per ottenere i cambiamenti reali nella risposta. L'output del Modello 1, che non ho mai visto prima, non ti consente di selezionare Stime scalate, perché?
Modello 1 e stime dei parametri:
Modello 2 e stime in scala:
Giusto per generalizzare i punti di Mark, la significatività statistica è un'affermazione condizionale. Se lo spazio di inferenza o i termini nel modello o le stime dell’errore cambiano, può cambiare anche la significatività statistica.
L'adattamento di modelli diversi produrrà risultati diversi. Trattare il blocco come un effetto fisso o casuale è una grande differenza. Innanzitutto, modifica i parametri nel modello. Un effetto fisso per 4 blocchi richiede 3 parametri. Tale differenza modificherà i gradi di libertà per la somma dei quadrati del modello e dell'errore, il che influenzerà le metriche di significatività. Un effetto casuale per 4 blocchi richiede 1 parametro. Per impostazione predefinita, un modello a effetti misti in JMP utilizza REML per la stima. REML regola i gradi di libertà in modo che questo metodo influenzi anche le metriche di significatività.
