適合モデルが異なる因子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」ではすべての要因が固定効果としてリストされています。[モデルに適合] をクリックすると、「モデル 1」がポップアップ表示され、因子として「ランダム ブロック & ランダム」が含まれています。これは、「ランダム ブロック」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、「モデル 2」を「ランダム ブロック」のみを因子として実行すると、すべてが効率が低下します。 どちらがより正しいですか?またその理由は?
また、モデル 2 の出力にも慣れています。この出力では、Scaled Estimates をクリックできます。 そして、JMP トレーニングで、これらは半分の推定値であると教えられたので、応答の実際の変化を得るには、それらを 2 倍する必要があります。 モデル 1 の出力は、これまでに見たことがないもので、スケーリングされた見積もりを選択することができません。なぜですか?
モデル 1 とパラメーターの推定:
モデル 2 とスケーリングされた見積もり:
DOERe: 適合モデルの因子有意性が異なるのはなぜですか? 「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」ではすべての要因が固定効果としてリストされています。マークのポイントを一般化するために、統計的有意性は条件付きステートメントです。 モデル内の推論空間または項、または誤差の推定値が変化すると、統計的有意性も変化します。
Re: 適合モデルの因子有意性が異なるのはなぜですか? 「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」ではすべての要因が固定効果としてリストされています。異なるモデルを当てはめると、異なる結果が得られます。 ブロックを固定効果として扱うか、ランダム効果として扱うかは大きな違いです。 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。 その違いにより、モデルの平方和と誤差の自由度が変化し、有意性メトリックに影響します。 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、この方法は重要度指標にも影響します。
Re: 適合モデルが異なる因子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」ではすべての要因が固定効果としてリストされています。モデルを構築するためにランダム効果としてブロックを使用する場合、将来の実行にはどの予測方法を使用する必要がありますか? 1つは通常の予測で、もう1つは条件付き予測です。 数式は、ブロック A = y1、ブロック B = y2 の場合、それ以外の場合は 0 です。 これがどのように機能するか説明できますか？ 信頼区間を計算する式は何ですか? 通常のモデルのようにソフトウェアで式を見ることができません。
