475487_it-IT

liliconcom

Effetto casuale per l'analisi del disegno del diagramma diviso

Ho una domanda sull'effetto casuale per l'analisi del design della trama divisa, spero che qualcuno possa aiutarlo a spiegarlo.
Consentitemi di utilizzare dati di esempio JMP, ad esempio "Animals.jmp".
Se consideriamo il soggetto[specie] come un effetto casuale, il rapporto delle stime del componente della varianza REML, poiché lo script "Modello di misure ripetute" nell'area dello script dell'allegato mostra che il fattore soggetto non è un fattore di effetto significativo per le miglia.
Tuttavia, se consideriamo che il modello è un modello di regressione di base, come lo script "modello di base" nell'area degli script del file allegato.
Il risultato mostra miglia con effetto fattore soggetto è significativo.
Qual è il motivo che porta a conclusioni diverse tra questi due modelli?

Re: Effetto casuale per l'analisi del disegno del grafico diviso

Ciao @Eric_Wang ,

I due modelli sono molto diversi, quindi dovresti aspettarti conclusioni diverse. Si basano su diverse ipotesi sui processi che generano i dati.Fanno diverse ipotesi sull'origine della varianza.

Una grande differenza è che il Soggetto non è nidificato all'interno di Specie nel modello di regressione di base. Ciò implica che ci sono solo 3 soggetti. I soggetti sono in realtà 6: 3 per ciascuna delle 2 specie. Sospetto che sia una grande parte del motivo della differenza. Ma non è certo l'unico motivo.

Ciò illustra la necessità di modelli misti nei casi in cui un modello standard a effetti fissi non è appropriato. Le conclusioni saranno fuorvianti se viene utilizzato un modello inappropriato.

Sono sicuro che il JMP per modelli misti il libro fornirebbe maggiori spiegazioni al riguardo.

Spero che aiuti,

Fil

 

Re: Effetto casuale per l'analisi del disegno del grafico diviso

Sono d'accordo con entrambi @Phil_Kay e @DonMcCormack . Volevo solo sottolineare che i Joint Factor Test del modello base mostrano che l'argomento non è significativo.

Osservando i risultati, la specie è un fattore significativo sia nel modello a effetti casuali che nel modello di base. Questo potrebbe spiegare perché, dopo aver controllato per specie e stagione, Soggetto[specie] non è una fonte significativa di variabilità casuale.  

 

Re: Effetto casuale per l'analisi del disegno del grafico diviso

Inoltre @Phil_Kay La risposta di , lo scopo del termine soggetto è semplicemente quello di catturare la variazione all'interno della specie in modo che possa essere utilizzato per verificare una differenza statistica, non per cercare differenze soggette a soggetto. Inoltre, trattare il soggetto come un effetto fisso non solo presuppone che ce ne siano solo tre (livelli di trattamento), ma che il soggetto 1 per FOX sia lo stesso (trattamento) del soggetto 1 per COYOTE.