Probar una diferencia en la varianza de una variable cuando hay un efecto aleatorioUso de "Ajustar modelo" Estoy prediciendo mi variable dependiente usando una variable nominal dicotómica "Tipo" así como una variable "Muestra", que es un efecto aleatorio (es decir, en el lenguaje JMP; algunos preferirían llamar a "Muestra" una variable aleatoria).Esto prueba si los dos "Tipos" difieren en mi DV, nuevamente teniendo en cuenta que "Muestra" es un efecto aleatorio.
Curiosamente, las medias muestrales de un "Tipo" están mucho más dispersas en comparación con las medias muestrales del otro "Tipo". Puedo realizar una prueba de significancia sobre la diferencia en las varianzas usando una prueba F, si estoy dispuesto a usar solo las medias de la muestra. Pero esto no es del todo kosher, porque las medias de la muestra se estiman con error, e idealmente, esto debería tenerse en cuenta. Sin embargo, no puedo entender cómo hacer esto. Quizás "Modelos mixtos" tenga esta habilidad. (Tengo JMP Pro 16.)
Esto es probablemente un poco "en la maleza" para este grupo, pero si alguien tiene alguna idea, estaría agradecido. Adjunto algunos datos. DV=Paraphilia Vector 1, Type es el predictor de interés y Sample es el efecto aleatorio.
AnalíticaRe: Probar una diferencia en la varianza de una variable cuando hay un efecto aleatorioNo estoy seguro de por qué dices que Sample es una variable aleatoria. Asignó niveles específicos (clases) a cada observación. La muestra puede ser aleatoria, pero los niveles no lo son.
Puede usar Ajustar modelo para definir el modelo y cambiar la personalidad de ajuste a Varianza loglineal . Sus datos no son buenas condiciones para más que un simple modelo de efectos principales. Asigné Muestra como efecto de ubicación y Tipo como efecto de dispersión. No pude incluir Tipo como efecto de ubicación porque se confunde con Muestra. Incluyendo ambas variables como efectos de localización.
Pero puedo incluir Tipo como un efecto de propagación para probar su hipótesis.
El modelo estimado a partir de esta especificación no presenta problemas fundamentales, pero aún podría ser insatisfactorio.
Parece que la varianza es significativamente diferente para los dos niveles de Tipo.
