@jiancao Ich habe dieses Webinar sehr geschätzt, ein paar Fragen.
Können Sie kurz erklären, warum die gemischte Modellpersönlichkeit besser ist als die Standard-Kleinstquadrate mit REML, selbst in Fällen, in denen sie nahezu identische Ergebnisse liefern?
Sie haben erwähnt, dass Sie wussten, dass die Zufallseffekte keinen signifikanten Teil der Varianz ausmachten, da die Konfidenzintervalle die Nullmarke überschritten. Ich gehe davon aus, dass die Varianzkomponente nahe genug bei Null liegt, sodass sie nicht signifikant ist. Ist das eine korrekte Interpretation und gibt es andere Kennzahlen, die eine ähnliche Idee vermitteln?
Verwenden Sie JMP Pro 15, um zufällige und feste Effekte, wiederholte Messungen, Zufallskoeffizienten und Varianzkomponenten zu verarbeiten
Erfahren Sie, wie Sie:
- Behandeln Sie zufällige und feste Effekte
- Analysieren Sie eine Vielzahl linearer gemischter Modelle einfach und effektiv
- Analysieren Sie Split-Plot-Designs anhand eines Beispiels, das die Auswirkungen von vier Prozessbedingungen auf den Widerstand in Wafern untersucht
- Verstehen Sie, wie die Anpassung der kleinsten Standardquadrate zu falschen Schlussfolgerungen führen kann
- Erfahren Sie, wann JMP Pro 15-Skripte mit gemischten Modellen für Split-Plot-Designs nützlich sind
- Analysieren Sie wiederholte Messungen anhand eines Beispiels, das die Korrelation zwischen Beobachtungen berücksichtigt, um die Behandlungseffekte effektiv zu verstehen
- Betrachten und vergleichen Sie alternative Kovarianzstrukturen und wählen Sie die beste Anpassung aus
- Führen Sie eine individuelle Wachstumsanalyse mit Zufallskoeffizienten und einem Beispiel durch, um festzustellen, ob eine der drei Behandlungen einen Einfluss auf die Wachstumsreaktion hatte
- Führen Sie eine Varianzkomponentenanalyse anhand eines Beispiels für eine Messsystemstudie durch
HINWEIS: Fragen und Antworten sind zu den Zeitpunkten 37:52 und 53:21 enthalten.
Ressourcen:
