Lorsque j'ai cliqué sur Ajuster le modèle, le "modèle 1" est apparu, incluant "Random Block & Random" comme facteur, ce qui signifie que "Random Block" est un effet aléatoire plutôt que fixe. Cependant, lorsque j'exécute le "modèle 2" avec uniquement "Random Block" comme facteur, tout devient moins efficace. Qu'est-ce qui est le plus correct et pourquoi ?
De plus, je suis habitué à la sortie du modèle 2, dans laquelle je peux cliquer sur Estimations mises à l'échelle. Et on m'a appris lors d'une formation JMP qu'il s'agit de moitiés d'estimations, je dois donc les multiplier par 2 pour obtenir les changements réels dans la réponse. La sortie du modèle 1, que je n'ai jamais vue auparavant, ne vous permet pas de sélectionner des estimations mises à l'échelle, pourquoi ?
Modèle 1 et estimations des paramètres :
Modèle 2 et estimations échelonnées :
Juste pour généraliser les arguments de Mark, la signification statistique est une affirmation conditionnelle. Si l’espace d’inférence ou les termes du modèle ou les estimations de l’erreur changent, la signification statistique peut également changer.
L'ajustement de différents modèles donnera des résultats différents. Traiter le blocage comme un effet fixe ou aléatoire est une grande différence. Premièrement, cela modifie les paramètres du modèle. Un effet fixe pour 4 blocs nécessite 3 paramètres. Cette différence modifiera les degrés de liberté de la somme des carrés du modèle et de l'erreur, ce qui affectera les mesures de signification. Un effet aléatoire pour 4 blocs nécessite 1 paramètre. Par défaut, un modèle à effets mixtes dans JMP utilise REML pour l'estimation. REML ajuste les degrés de liberté de sorte que cette méthode affectera également les mesures de signification.
