Explicación práctica de las estimaciones de parámetrosEstoy trabajando con Fit Model Platform con una variable de salida continua y múltiples variables de entrada nominales.
Entiendo que dentro de la tabla de estimaciones de parámetros, el valor T está ahí para probar si la estimación es igual a cero o no. En un sentido práctico, si tengo una variable (Lote de celdas) con 3 categorías (1, 2 y 3) y las dos enumeradas (1 y 2) en la Tabla de estimaciones de parámetros son menores que el alfa de 0.05, ¿cuál es la conclusión? que se puede hacer? ¿Son 1 y 2 significativamente diferentes de 3?
Ya sé por las pruebas de Efectos que esta variable (Lote de celdas) contribuye significativamente a la salida.
Por favor, perdone la pregunta ingenua.
Re: Explicación práctica de las estimaciones de parámetrosLa mayoría de las plataformas ofrecerán estimaciones ampliadas, pero aparentemente no para su situación. Tal vez un truco funcione para conseguirte lo que necesitas.
Suponga que su variable categórica tiene los niveles A, B y C. Cuando ajuste su modelo, no verá la estimación y las pruebas para el nivel C, pero tendrá pruebas para A y B. Ahora, coloque una propiedad Ordenación de valores en su variable categórica. Cámbielo a lo que desee, siempre que C NO sea el último elemento de la lista. Por ejemplo, propondré C, A y B. Ahora vuelva a montar su modelo. Debería ver las pruebas para C y A, pero no para B.
Con suerte, esta solución alternativa realmente funcionará en su situación. De cualquier manera, debe buscar en la lista de deseos de JMP esta mejora sugerida y votar por ella. Si la sugerencia no está ahí, por favor agréguela!
Re: Explicación práctica de las estimaciones de parámetrosIgnore la respuesta anterior porque era incorrecta. Estaba pensando en otra plataforma que se inicia desde el cuadro de diálogo Ajustar modelo.
Re: Explicación práctica de las estimaciones de parámetrosPerdón por tocar un hilo antiguo, pero esta es la única explicación que he visto de por qué JMP hace esto de manera predeterminada.
Omitir el N-ésimo parámetro porque es posible calcular la estimación a partir de los anteriores parece miope. Estoy trabajando en una regresión de Tobit usando supervivencia paramétrica y la ventana de salida no permite "Estimaciones ampliadas". Como dices, puedo calcular la estimación, bien, pero no puedo estimar el SE, T Ratio o Prob > |T| Por aquí. Esas métricas tienen valor, o de lo contrario no se informarían en absoluto y, sin embargo, no tengo forma de hacer que JMP me las calcule en esta situación.
Re: Explicación práctica de las estimaciones de parámetros¡Muchos gracias!
Re: Explicación práctica de las estimaciones de parámetrosSí, el método de comparaciones múltiples de Tukey sería la mejor manera de relacionar todos los lotes entre sí. No utilice el método de la t de Student, ya que no se ajusta al número de comparaciones, por lo que la tasa de error de tipo I en todas las comparaciones aumentará mucho.
Sí, puedes usar el pags -valores como de costumbre con el ajuste adecuado.
Re: Explicación práctica de las estimaciones de parámetrosMuchas gracias por tu detallada respuesta Mark.
Como seguimiento, si quisiera explorar si los lotes de celdas n.° 1, 2 y 3 eran significativamente diferentes entre sí usando este modelo. ¿Sería el método apropiado elegir Comparaciones Múltiples y luego Tukey o T de Student (dependiendo de cuál sea apropiado)? Cuando hago esto, veo una tabla de diferencias por pares con 3 comparaciones entre cada combinación posible de dos categorías (1 y 2, 1 y 3, 2 y 3). En este caso, ¿los valores de p menores que alfa indicarían una diferencia significativa entre esos dos grupos?
Re: Explicación práctica de las estimaciones de parámetrosEstás en lo correcto. los Prueba de efecto se basa en el tipo III suma de cuadrados asociado con la adición de un término al modelo. Es el F prueba. Tú tienes uno F prueba para cada término. Esta prueba es útil para la reducción de modelos y la inferencia sobre los efectos de los factores.
Por otro lado, el Estimaciones de parámetros informa el t prueba porque compara la estimación con el valor de la hipótesis nula, que es que el parámetro es cero. (Puede contrastar otras hipótesis nulas con una t prueba pero JMP no proporciona dicha prueba. Hay un script para este propósito.) Tienes uno t prueba para cada estimación.
Si desea ver los resultados del último nivel, haga clic en el triángulo rojo en la parte superior junto a Ajustar mínimos cuadrados y seleccione Estimados > Estimaciones ampliadas . (JMP no informa el último nivel por defecto porque la estimación del último parámetro debe ser igual al negativo de la suma de los otros parámetros estimados. Puede habilitar Estimaciones ampliadas en las preferencias de la plataforma si lo desea).
La interpretación de estas pruebas se limita a una prueba independiente frente a 0. Su ejemplo concluye que las estimaciones para el nivel 1 y el nivel 2 son diferentes de cero. Eso es todo lo que puedes decir. Estas pruebas no comparan estos niveles con el último nivel. Podrías usar un adicional contraste para este propósito.
También debe preocuparse por el problema de las comparaciones múltiples de la tasa de error de tipo I inflada con todas estas pruebas.
