Spiegazione pratica delle stime dei parametriSto lavorando con la piattaforma Fit Model con una variabile di output continua e più variabili di input nominali.
Capisco che all'interno della tabella Stime dei parametri il valore T è lì per verificare se la stima è uguale o meno a zero. In senso pratico, se ho una variabile (lotto di celle) 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? è possibile farlo? 1 e 2 sono significativamente diversi da 3?
So già dai test sugli effetti che questa variabile (Cell Lot) contribuisce in modo significativo all'output.
Per favore, perdona la domanda ingenua.
Ri: Spiegazione pratica delle stime dei parametriLa maggior parte delle piattaforme offrirà stime estese, ma apparentemente non adatte alla tua situazione. Forse un trucco funzionerà per ottenere ciò di cui hai bisogno.
Supponiamo che la tua variabile categoriale abbia i livelli A, B e C. Quando adatti il tuo modello non vedrai la stima e i test per il livello C, ma avrai test per A e B. Ora inserisci una proprietà Ordine valori sulla 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.
Speriamo 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!
Ri: Spiegazione pratica delle stime dei parametriPer favore ignora la risposta precedente perché non era corretta. Stavo pensando a un'altra piattaforma che viene avviata dalla finestra di dialogo Adatta modello.
Ri: Spiegazione pratica delle stime dei parametriCi scusiamo per aver rispolverato un vecchio thread, ma questa è l'unica spiegazione che ho visto da qualche parte sul motivo per cui JMP lo fa per impostazione predefinita.
Tralasciare l'N-esimo parametro perché è possibile ricavare la stima da quelli precedenti sembra miope. Sto lavorando su una regressione Tobit utilizzando la sopravvivenza parametrica e la finestra di output non consente "Stime espanse". Come dici tu, posso calcolare la stima, bene, ma non posso stimare SE, T Ratio o Prob > |T| Da questa parte. Tali parametri hanno valore, altrimenti non verrebbero affatto riportati, eppure non riesco a convincere JMP a calcolarli per me in questa situazione.
Ri: Spiegazione pratica delle stime dei parametriGrazie mille!
Ri: Spiegazione pratica delle stime dei parametriSì, il metodo dei confronti multipli di Tukey sarebbe il modo migliore per collegare tutti i lotti tra loro. Non utilizzare il metodo t di Student poiché 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 rettifica.
Ri: Spiegazione pratica delle stime dei parametriGrazie mille per la risposta dettagliata Marco.
In seguito, se volessi esplorare se i lotti di celle n. 1,2 e 3 fossero significativamente diversi l'uno dall'altro utilizzando questo modello. Scegliere Confronti multipli e poi Tukey o T di Student (a seconda di quale sia appropriato) sarebbe il metodo appropriato? Quando lo faccio, vedo una tabella delle differenze di tutte le coppie con 3 confronti tra ciascuna possibile combinazione di due categorie (1&2, 1&3, 2&3). In questo caso i valori p inferiori ad alfa indicherebbero una differenza significativa tra questi due gruppi?
Ri: Spiegazione pratica delle stime dei parametriHai ragione. IL Prova degli effetti si basa su somma dei quadrati di tipo III 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 riporta il T test perché confronta la stima con il valore dell'ipotesi nulla, ovvero che il parametro sia zero. (Puoi testare altre ipotesi nulle con a T test ma JMP non fornisce tale test. C'è uno script per questo scopo.) Ne hai uno T test 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 ampliate . (JMP non riporta l'ultimo livello per impostazione predefinita perché la stima dell'ultimo parametro deve essere pari al negativo della somma delle stime degli altri parametri. Se lo desideri, puoi abilitare le stime estese nelle preferenze della piattaforma.)
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 quello che puoi dire. Questi test non confrontano questi livelli con l'ultimo livello. Potresti usarne uno aggiuntivo contrasto per questo scopo.
Devi anche preoccuparti del problema dei confronti multipli del tasso di errore di tipo I gonfiato con tutti questi test.
