Spiegazione pratica delle stime dei parametriSto lavorando con Fit Model Platform con una variabile di output continua e più variabili di input nominali.
Comprendo che all'interno della tabella delle stime dei parametri il valore T è lì per verificare se la stima è uguale a zero. In senso pratico, se ho una variabile (Cell Lot) con 3 categorie (1, 2 e 3) e le due elencate (1 e 2) nella tabella delle stime dei parametri sono inferiori all'alfa di 0,05, qual è la conclusione che si può fare? 1 e 2 sono significativamente diversi da 3?
So già dai test degli effetti che questa variabile (Cell Lot) contribuisce in modo significativo all'output.
Per favore perdona la domanda ingenua.
Re: Spiegazione pratica delle stime dei parametriLa maggior parte delle piattaforme offrirà le stime estese, ma apparentemente non per la tua situazione. Forse un trucco funzionerà per darti ciò di cui hai bisogno.
Supponiamo che la tua variabile categoriale abbia i livelli A, B e C. Quando adatterai il tuo modello non vedrai la stima e il test per il livello C, ma avrai i test per A e B. Ora, inserisci una proprietà Value Ordering sulla tua variabile categoriale. Cambialo in qualsiasi cosa desideri purché C NON sia l'ultimo elemento nell'elenco. Ad esempio, proporrò C, A e B. Ora rimonta il tuo modello. Dovresti vedere i test per C e A, ma non per B.
Si spera che questa soluzione alternativa funzioni effettivamente nella tua situazione. In ogni caso, dovresti cercare nella lista dei desideri di JMP questo miglioramento suggerito e votarlo. Se il suggerimento non è presente, aggiungilo!
Re: Spiegazione pratica delle stime dei parametriSi prega di ignorare la risposta precedente in quanto non era corretta. Stavo pensando a un'altra piattaforma che viene lanciata dalla finestra di dialogo Fit Model.
Re: Spiegazione pratica delle stime dei parametriCi scusiamo per aver urtato un vecchio thread, ma questa è l'unica spiegazione che ho visto da nessuna parte del motivo per cui JMP lo fa per impostazione predefinita.
Tralasciare l'N-esimo parametro in quanto è possibile calcolare la stima dai precedenti sembra miope. Sto lavorando su una regressione Tobit usando la sopravvivenza parametrica e la finestra di output non consente "Stime estese". Come dici tu, posso calcolare la stima, bene, ma non posso stimare SE, T Ratio o Prob > |T| Da questa parte. Queste metriche hanno un valore, altrimenti non verrebbero segnalate affatto, eppure non ho modo di convincere JMP a calcolarle per me in questa situazione.
Re: Spiegazione pratica delle stime dei parametriGrazie mille!
Re: Spiegazione pratica delle stime dei parametriSì, il metodo di confronto multiplo di Tukey sarebbe il modo migliore per scambiare tutti i lotti l'uno con l'altro. Non utilizzare il metodo Student t in quanto non si adatta al numero di confronti, quindi il tasso di errore di tipo I su tutti i confronti aumenterà molto.
Sì, puoi usare il p -valori come di consueto con l'opportuna regolazione.
Re: Spiegazione pratica delle stime dei parametriGrazie mille per la tua risposta dettagliata Marco.
Come follow-up, se volessi esplorare se i lotti di celle n. 1, 2 e 3 fossero o meno significativamente diversi l'uno dall'altro utilizzando questo modello. Scegliere Confronti multipli e poi Tukey o T di Student (a seconda di quale è appropriato) sarebbe il metodo appropriato? Quando lo faccio, vedo una tabella delle differenze a coppie con 3 confronti tra ciascuna possibile combinazione di due categorie (1&2, 1&3, 2&3). In questo caso, valori di p inferiori ad alfa indicherebbero una differenza significativa tra questi due gruppi?
Re: Spiegazione pratica delle stime dei parametriHai ragione. Il Prova degli effetti si basa sul tipo III somma di quadrati associato all'aggiunta di un termine al modello. È il F test. Ne hai uno F prova per ogni termine. Questo test è utile per la riduzione del modello e l'inferenza sugli effetti dei fattori.
D'altra parte, il Stime dei parametri segnala il t test perché confronta la stima con il valore dell'ipotesi nulla, ovvero che il parametro sia zero. (Puoi testare contro altre ipotesi nulle con a t test ma JMP non fornisce tale test. C'è uno script per questo scopo.) Ne hai uno t prova per ogni preventivo.
Se vuoi vedere i risultati per l'ultimo livello, fai clic sul triangolo rosso in alto accanto a Adatta ai minimi quadrati e seleziona Stime > Stime estese . (JMP non riporta l'ultimo livello per impostazione predefinita perché la stima dell'ultimo parametro deve essere uguale al negativo della somma delle altre stime dei parametri. Puoi abilitare le stime estese nelle preferenze della piattaforma, se lo desideri.)
L'interpretazione di questi test è limitata a un test indipendente rispetto a 0. Il tuo esempio conclude che le stime per il livello 1 e il livello 2 sono diverse da zero. Questo è tutto ciò che puoi dire. Questi test non confrontano questi livelli con l'ultimo livello. Potresti usare un ulteriore contrasto per questo scopo.
Devi anche preoccuparti del problema dei confronti multipli del tasso di errore di tipo I gonfiato con tutti questi test.
