내 적합 모델이 다른 요인 유의성을 나타내는 이유는 무엇입니까? "모델 1"에서 무작위 블록은 고정 효과가 아닌 무작위 효과인 반면, "모델 2"는 모든 요인을 고정 효과로 나열합니다.Fit Model을 클릭하면 "모델 1"이 팝업되며 "Random Block & Random"이 요소로 포함됩니다. 이는 "Random Block"이 고정 효과가 아닌 Random임을 의미합니다. 그러나 "Random Block"만을 요소로 "모델 2"를 실행하면 모든 것이 덜 효율적이 됩니다. 어느 것이 더 정확하며 그 이유는 무엇입니까?
또한 저는 Scaled Estimates를 클릭할 수 있는 Model 2 출력에 익숙합니다. 그리고 저는 JMP 교육에서 이것이 절반 추정치라는 것을 배웠습니다. 따라서 응답의 실제 변화를 얻으려면 여기에 2를 곱해야 합니다. 이전에 본 적이 없는 모델 1 출력에서는 Scaled Estimates를 선택할 수 없습니다. 그 이유는 무엇입니까?
모델 1 및 매개변수 추정:
모델 2 및 확장 추정:
고급 통계 모델링데이터 탐색 및 시각화실험 설계품질 및 프로세스 엔지니어링신뢰성 분석Re: 내 적합 모델이 다른 요인 유의성을 나타내는 이유는 무엇입니까? "모델 1"에서 무작위 블록은 고정 효과가 아닌 무작위 효과인 반면, "모델 2"는 모든 요인을 고정 효과로 나열합니다.모델을 구축하기 위해 블록을 무작위 효과로 사용하는 경우 향후 실행에 어떤 예측 방법을 사용해야 합니까? 하나는 정규 예측이고 다른 하나는 조건부 예측입니다. 공식은 블록 A = y1, 블록 B = y2이면, 그렇지 않으면 0입니다. 이것이 어떻게 작동하는지 설명해 주실 수 있나요? 신뢰 구간을 계산하는 방정식은 무엇입니까? 일반 모델처럼 소프트웨어에서 공식을 볼 수 없습니다.Re: 내 적합 모델이 다른 요인 유의성을 나타내는 이유는 무엇입니까? "모델 1"에서 무작위 블록은 고정 효과가 아닌 무작위 효과인 반면, "모델 2"는 모든 요인을 고정 효과로 나열합니다.Mark의 요점을 일반화하기 위해 통계적 유의성은 조건부 진술입니다. 추론 공간이나 모델의 항 또는 오류 추정치가 변경되면 통계적 유의성도 변경됩니다.
Re: 내 적합 모델이 다른 요인 유의성을 나타내는 이유는 무엇입니까? "모델 1"에서 무작위 블록은 고정 효과가 아닌 무작위 효과인 반면, "모델 2"는 모든 요인을 고정 효과로 나열합니다.다른 모델을 맞추면 다른 결과가 나옵니다. 블록을 고정 효과 또는 무작위 효과로 취급하는 것은 큰 차이입니다. 먼저, 모델의 매개변수를 변경합니다. 4개 블록의 고정 효과에는 3개의 매개변수가 필요합니다. 이러한 차이는 모델의 제곱합과 오류에 대한 자유도를 변경하여 유의성 측정항목에 영향을 미칩니다. 4개 블록의 무작위 효과에는 1개의 매개변수가 필요합니다. JMP의 혼합 효과 모델은 기본적으로 REML을 사용하여 추정합니다. REML은 자유도를 조정하므로 이 방법은 유의성 측정항목에도 영향을 미칩니다.
