Hallo alle,
Ich habe Schwierigkeiten zu verstehen, wie JMP in der Mittelwerttabelle der kleinsten Quadrate einen Standardfehler erzeugt.
Ich habe ein Modell mit zwei Effekten, dh. Faktor 1 (3 Kategorien) und Faktor 2 (2 Kategorien)
>> y = Schnittpunkt + Faktor 1 + Faktor 2.
Laut JMP kann ich den LS-Mittelwert von Faktor 1 ermitteln, indem ich den Mittelwert der vorhergesagten Werte berechne.
Ich konnte jedoch den von JMP gemeldeten Std-Fehler nicht abrufen, als ich denselben Ansatz mit Std-Fehler verwendete (dh den Std-Fehler der vorhergesagten Werte berechnen).
Im JMP-Handbuch ist beschrieben, dass Std Error of LS mean den Standardfehler des Mittelwerts der kleinsten Quadrate für jede Ebene anzeigt.
Ich kann das falsch interpretieren.Kann mir bitte jemand helfen zu klären, was das bedeutet?
p.s. Ich habe mein Modell im Bild angehängt. Um ein Beispiel zu geben, wie ich einen vorhergesagten Wert für berechne
Aufgabe = N-back, Diagnose = Nicht-SCD
Ich habe y = 0,229-0,072+0,0662 berechnet.
Was Sie kürzlich bereitgestellt haben, ist eine andere Analyse als die in Ihrem ursprünglichen Beitrag. Die neue ist komplexer. Außerdem haben Sie den Bericht "Parameterschätzungen" immer noch nicht gefunden. Ich ändere meine Strategie, um das zu erklären.
Führen Sie die folgenden Codes aus, um Beispieldaten und eine Analyse der kleinsten Quadrate zu erhalten.
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 );
Und hier sind "Parameterschätzungen" und "Korrelation von Schätzungen", der Vorhersageausdruck und LS-Mittelwerte von X1:
Der Vorhersageausdruck gibt eine gewisse Vorstellung über den mathematischen Ausdruck des Modells, aber nicht ganz genau. Das Modell sieht so aus
Dabei gilt b0 = -28,98792, b1 = -4,949583, b2 = 0,2941667, b3 = 0,286667 aus dem Parameterschätzungsbericht.
Der LS-Mittelwert von A wird berechnet, indem X1 = 1, X2 = 0 und X3 = 0 im Modell angenommen werden. Und drei Werte plus der Schnittpunkt bilden den x-Vektor in den folgenden Codes. Jedes Element ist die partielle Ableitung Ihrer Vorhersageformel (eine Funktion von Schätzungen) in Bezug auf den entsprechenden Parameter.
Der folgende Code berechnet den Std-Fehler für den LS-Mittelwert von A.
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));
Die Werte in „s“ stammen aus der Spalte „Std Error“ in den „Parameter Estimates“. Die Matrix "R" stammt aus der Korrelation von Schätzungen. Das Produkt von „s*R*s“ ergibt die Kovarianzmatrix der Schätzungen. Das Produkt von „x*s*R*s*transpose(x)“ ergibt die Varianzschätzung Ihrer Vorhersage. Die Quadratwurzel der Varianzschätzung ergibt den Standardfehler.
Alle anderen Standardfehler werden in ähnlicher Weise unter Verwendung unterschiedlicher x-Vektoren berechnet. ZB für B, x = [1 -1 0 0].
Jetzt erkläre ich die Handlung. Es soll geschätzte LS-Mittelwerte und ihre 95%-Konfidenzintervalle darstellen. Theoretisch folgt das Verhältnis der LS-Mittelwertschätzung und des entsprechenden Std-Fehlers unter der Modellannahme einer t-Verteilung mit dem Freiheitsgrad, der gleich dem Freiheitsgrad des Modells ist, also der Gesamtzahl der Beobachtungen minus die Anzahl der Parameter. Daher hat das Konfidenzintervall für LS-Mittel die von mir erwähnte Formel.
Jetzt erkläre ich, warum Std Errors gleich sind. Dies liegt an den Merkmalen in den Daten. Die Daten, die ich hier gebe, stammen aus einem ausgewogenen Design oder mit anderen Worten einer gleichen Anzahl von Beobachtungen auf verschiedenen Ebenen. Versuchen Sie, ein paar Zeilen aus einer Ebene zu löschen, und Sie sollten ungleiche Standardfehler sehen.
Ihre letzte Analyse ist komplexer und beinhaltet Zufallseffekte. Aber das Prinzip der Erklärung gilt immer noch.
------------
Der Beitrag wird mit einer Korrektur des x-Vektors für den LS-Mittelwert von B aktualisiert.
Hallo peng_liu,
Danke für Ihre Antwort. Ich habe meine Screenshots hier gepostet. Ich habe zwei Gruppen von Themen – SCD und Nicht-SCD, klassifiziert als Diagnose. Ich habe 15 Fächer in jeder Gruppe, also habe ich insgesamt 30 Fächer. Für jedes Thema habe ich 3 Beobachtungen, die nach Aufgaben klassifiziert sind. In der Tabelle lautet die Subjekt-ID Akrostichon.
Ich konstruiere ein gemischtes Modell mit diesen Effekten und einer Kovariate (Baseline BRSv)
∆PPGa = Akrostichon[Random] + Aufgaben + Diagnose + Diagnose*Aufgaben + Baseline BRSv.
Ich möchte den durchschnittlichen ∆PPGa +- Std-Fehler für jede Kombination für jede Kombination von Aufgaben darstellen, Diagnose nach Anpassung für Baseline BRSv.
Ich dachte mir, dass das LS-Mittelwertdiagramm von Diagnose * Aufgaben das sein muss, was ich will; Ich verstehe nicht, warum Std Error ist für jede Kombination gleich (d. h. in der LS-Mittelwerttabelle von Tasks*Diagnosis alle Std Error = 0,0417 ) .
Obwohl Sie darauf hingewiesen haben, dass das LS-Mittelwertdiagramm nicht mit Std Error ist,
kannst du mir bitte helfen zu verstehen?
>wie Standardfehler wird berechnet, bevor wir hineinkommen LS-Mittelwert +/- T-Quantil (0,975, df) * Std-Err.
Mein Der Bericht über die Korrelation der Schätzungen ist etwas chaotisch, aber es ist die zweite Seite meines Anhangs.
Vielen Dank für Ihre Zeit,
Ich versuche, ein Diagramm meines Ergebnisses (∆PPGa) in jeder Kategorie zu erstellen.
Versuchen Sie, den Standardfehler von y = 0,229-0,072+0,0662 zu berechnen?
Dann gibt dir das keine der Zahlen in deinem Screenshot. Diese Mittelwerte sind marginal, z. B. ist der Mittelwert von N-back einfach der Mittelwert Ihres Y aller Beobachtungen, deren Aufgabe = N-back ist, unabhängig von der Diagnose.
Um den Standardfehler Ihrer Vorhersage zu finden, versuchen Sie es mit Schätzungen > Benutzerdefinierter Test.
