こんにちは、みんな、
JMP が最小二乗平均テーブルで標準誤差をどのように生成するかを理解するのに苦労しています。
2 つのエフェクトを備えたモデルがあります。因子 1 (3 カテゴリー) および因子 2 (2 カテゴリー)
>> y = 切片 + 係数 1 + 係数 2。
JMP によると、予測値の平均を計算することで係数 1 の LS 平均を取得できます。
ただし、Std Error と同じアプローチを使用した場合 (つまり、予測値の Std Error を計算した場合)、JMP が報告した Std Error を取得できませんでした。
JMPのマニュアルには、LS平均のStd Errorは各レベルの最小二乗平均の標準誤差を示すと記載されています。
私はこれを間違って解釈するかもしれません。誰かがこれが何を意味するかを明確にするのを手伝ってくれませんか?
ps。私のモデルを写真に添付しました。 の予測値を計算する方法の例を挙げると、
タスク = N-back、診断 = 非 SCD
y = 0.229-0.072+0.0662を計算しました。
あなたが最近提供した分析は、元の投稿の分析とは異なります。 新しいものはより複雑です。 また、「パラメータ推定」レポートもまだ見つかりません。 説明するために戦略を変更します。
次のコードを実行して、サンプル データと最小二乗分析を取得します。
dt = New Table( "sample",
Add Rows( 24 ),
New Column( "X1",Character,Nominal,Set Values( {"A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "A", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B", "B"} ), ),
New Column( "X2",Character,Nominal,Set Values( {"x", "x", "x", "x", "y", "y", "y", "y", "z", "z", "z", "z", "x", "x", "x", "x", "y", "y", "y", "y", "z", "z", "z", "z"} ), ),
New Column( "Y",Numeric,Continuous,Set Values([18.33, 10.21, -2, -14.02, -21.37, -32.28, -36.99, -46.6, -56.95, -66.74, -75.84, -83, -74.18, -64.9, -55.96, -47.03, -36.72, -26.27,-18.1, -11.28, -2.18, 6.84, 16.51, 24.81]), )
);
dt << Fit Model( Y( :Y ), Effects( :X1, :X2 ), Personality( "Standard Least Squares" ), Emphasis( "Effect Screening" ), Run );
そして、ここに「パラメータ推定値」と「推定値の相関関係」、予測式、および X1 の LS 平均があります。
予測式は、モデルの数式についてある程度のアイデアを与えますが、完全に正確ではありません。 モデルはこんな感じ
ここで、パラメータ推定レポートからの b0 = -28.98792、b1 = -4.949583、b2 = 0.2941667、b3 = 0.286667。
A の LS 平均は、モデルで X1 = 1、X2 = 0、および X3 = 0 として計算されます。 そして、3 つの値と切片が次のコードの x ベクトルを形成します。 各要素は、対応するパラメーターに関する予測式 (推定値の関数) の偏導関数です。
次のコードは、A の LS 平均の標準誤差を計算します。
x = [1 1 0 0];
s = diag([7.034044 7.034044 9.94764 9.94764]);
R = [1 0 0 0,
0 1 0 0,
0 0 1 -0.5,
0 0 -0.5 1];
sqrt(x * s * R * s * transpose(x));
「s」内の値は、「パラメータ推定値」の Std Error 列からのものです。 行列「R」は推定値の相関からのものです。 「s*R*s」の積により、推定値の共分散行列が得られます。 「x*s*R*s*transpose(x)」の積により、予測の分散推定値が得られます。 分散推定値の平方根は標準誤差を与えます。
他のすべての標準誤差は、異なる X ベクトルを使用して同様に計算されます。 たとえば、B の場合、x = [1 -1 0 0]。
それではプロットを説明します。 これは、推定された LS 平均とその 95% 信頼区間を表すことになっています。 理論的には、モデルの仮定の下では、LS 平均推定値と対応する標準誤差の比は、モデルの自由度 (観測値の総数から減算したもの) に等しい自由度を持つ t 分布に従います。パラメータの数。 したがって、LS 平均の信頼区間は、先ほど述べた式になります。
ここで、Std Errors が同じである理由を説明します。 これはデータの特性によるものです。 ここで示したデータは、バランスの取れた計画、言い換えれば、異なるレベルでの同数の観測値からのものです。 1 つのレベルから数行を削除しようとすると、等しくない標準エラーが表示されるはずです。
最新の分析はより複雑で、ランダムな効果が含まれています。 しかし、説明の原則は依然として当てはまります。
------------
この投稿は、B の LS 平均の x ベクトルを修正して更新されました。
こんにちは、peng_liu さん
ご返答ありがとうございます。 ここにスクリーンショットを投稿しました。 SCD と非 SCD という 2 つのグループの被験者があり、診断として分類されています。 各グループに 15 件の科目があるので、合計 30 件の科目があります。 各主題について、タスクごとに分類された 3 つの観察があります。 表では、件名 ID は Acrotic です。
これらの効果と 1 つの共変量を含む混合モデルを構築します (ベースライン BRSv)
∆PPGa = Acrostic[ランダム] + タスク + 診断 + 診断*タスク + ベースライン BRSv。
タスク、診断の組み合わせごとに、ベースライン BRSv を調整した後の平均 ΔPPGa +- Std Error をプロットしたいと考えています。
Diagnosis*Tasks の LS 平均プロットが私が望むものであるに違いないと考えましたが、標準エラーの理由がわかりません各組み合わせで同じです (つまり、Tasks*Diagnosis の LS 平均テーブルでは、すべての Std Error = 0.0417 ) 。
LS 平均プロットに標準誤差がないことをご指摘いただきましたが、
理解できるようにしてもらえませんか？
>どうやって標準エラーに入る前に計算されますLSmean +/- T Quantile(.975, df) * 標準誤差。
私の推定相関レポートは少し乱雑ですが、添付ファイルの 2 ページ目です。
お時間をいただきありがとうございます。
各カテゴリでの結果 (ΔPPGa) のプロットを生成しようとしています。
y = 0.229-0.072+0.0662 の標準誤差を計算しようとしていますか?
スクリーンショットにある数字はどれもそれを示していません。 これらの平均は周辺的なものです。たとえば、N-back の平均は、診断が何であるかに関係なく、タスク = N-back であるすべての観測値の Y の平均にすぎません。
予測の標準誤差を見つけるには、[推定] > [カスタム テスト] を試してください。
