Hallo alle,
Wenn ich ein Modell (Modell mit festen Effekten) für die Ergebnisse eines entworfenen Experiments von Standard Least Squares anpasse, habe ich die Möglichkeit, nicht nur die Vorhersageformel als Spalte in der Datentabelle zu speichern, sondern auch die Mean Confidence Limit Formula. Beim Anpassen eines Modells mit gemischten Effekten (REML) konnte ich jedoch das mittlere Konfidenzintervall in der Datentabelle speichern, nicht jedoch in der Formel.
Kennt jemand die Formel, die im Falle eines Modells mit zufälligen Effekten verwendet wird? Wie macht es Sinn, dass die Mean Confidence Interval kann berechnet und gespeichert werden, aber die Formel selbst ist nicht verfügbar?
Am besten,
Tine
Hallo alle,
Weiß jemand, ob es zu dieser Frage ein Update gibt? Ich habe gesehen, dass es möglich ist, die Std Error Pred Formula zu speichern, wenn ich Random Effects in der Fit Model Platform (JMP Pro Version 16.1.0) verwende. Ich habe mich gefragt, ob es möglich ist, diese Formel zur Berechnung der (individuellen) Konfidenzintervallformel zu verwenden. Wenn ich jedoch nur 1,96*Std Error Pred Formula zu meinen Vorhersagen hinzufüge, ist es enger als das Konfidenzintervall.
Am besten,
Anja
Vielleicht lautet die einfache Antwort: „Es ist einfach zu kompliziert, um in eine Formel zu passen.“
... oder Sie könnten mit dem gehen, was im Handbuch steht:
https://www.jmp.com/support/help/14/restricted-maximum-likelihood-reml-model.shtml#739871
Konfidenzintervalle für Varianzkomponenten
Die zur Berechnung der Konfidenzgrenzen verwendete Methode hängt davon ab, ob Sie Unbegrenzte Varianzkomponenten im Startfenster „Modell anpassen“ ausgewählt haben. Beachten Sie, dass Unbegrenzte Varianzkomponenten standardmäßig ausgewählt ist.
•
|
Wenn Unbegrenzte Varianzkomponenten ausgewählt ist, werden Wald-basierte Konfidenzintervalle berechnet. Diese sind asymptotisch gültig, beachten Sie jedoch, dass sie bei kleinen Stichproben unzuverlässig sein können. |
•
|
Wenn „Unbounded Variance Components“ nicht ausgewählt ist, was bedeutet, dass die Parameter eine Untergrenze von null haben, wird eine Satterthwaite-Approximation verwendet (Satterthwaite 1946 ). |
Kackar-Harville-Korrektur
Bei der REML-Methode werden die Standardfehler der festen Effekte anhand von Schätzungen der Varianzkomponenten geschätzt. Wenn jedoch die Streuung bei diesen Schätzungen nicht berücksichtigt wird, wird der Standardfehler unterschätzt. Um die erhöhte Variabilität zu berücksichtigen, wird die Kovarianzmatrix der festen Effekte unter Verwendung der Kackar-Harville-Korrektur angepasst (Kackar and Harville
1984 und Kenward und Roger
1997 ). Alle Berechnungen, die die Kovarianzmatrix der festen Effekte beinhalten, verwenden diese Korrektur. Dazu gehören Mittelwerte der kleinsten Quadrate, Tests mit festen Effekten, Konfidenzintervalle und Vorhersagevarianzen. Für statistische Details vgl
Die Kackar-Harville-Korrektur .
Norm KHC ist die Frobenius (Matrix)-Norm der Kackar-Harville-Korrektur. In Fällen, in denen das Design ziemlich ausgewogen ist, neigt Norm KHC dazu, klein zu sein.
