Verschiedene gemischte ModelloptionenUnter „Modell anpassen“ bin ich etwas verwirrt darüber, wie man ein richtiges gemischtes Modell ausführt. Ein Ansatz scheint darin zu bestehen, unter „Persönlichkeit“ „Gemischtes Modell“ auszuwählen und dann einfach feste Effekte und zufällige Effekte unter den verschiedenen Registerkarten hinzuzufügen. Die andere Möglichkeit besteht jedoch darin, „Standard-Kleinste-Quadrate“ unter „Persönlichkeit“ beizubehalten und dann Variablen hinzuzufügen, die dann über das rote Dreieck-Dropdown-Menü unter „Attribute“ als Zufallseffekte zugewiesen werden. Ist das nicht auch ein Mischmodell? Ich erhalte im Wesentlichen das gleiche Ergebnis, wenn ich es auf diese beiden Arten mit denselben Daten versuche, aber JMP liefert leicht unterschiedliche Ergebnisse. Letzteres verwendet Schätzungen der REML-Varianzkomponenten. Sind das die gleichen Analysen?
Erweiterte statistische ModellierungBetreff: Verschiedene gemischte ModelloptionenDanke, @P_Bartell .
Ja, es handelt sich um ein gemischtes Modell, das Random-Effects-Modell. Wenn die Daten jedoch unausgeglichen sind, weichen die Ergebnisse geringfügig ab. Das gemischte Modell von JMP Pro wird bevorzugt.
Mit JMP Pro können Sie andere Arten gemischter Modelle an wiederholte Messungen anpassen, indem Sie zwischen Kovarianzstrukturen, räumlichen Daten oder Zufallskoeffizientenmodellen wählen.
Betreff: Verschiedene gemischte ModelloptionenDanke. Leider arbeite ich mit JMP Pro 15. Ich habe zwar ein konkretes Beispiel, das ich durcharbeite, aber ich werde die Zeit der Leute nicht mit den chaotischen Details verschwenden. Ich stellte lediglich eine allgemeine Frage für die Zukunft und hoffte, dass es sich um ein einfaches „Ja, sie sind im Wesentlichen gleich; verwenden Sie eine der beiden Optionen“ oder „Nein, sie sind unterschiedlich und hier ist der Grund, warum Sie sich für eine der anderen entscheiden würden.“ ". Wie bei den meisten Dingen scheint die Antwort jedoch komplizierter zu sein als ein Ja/Nein! Danke für die Links. Ich werde sie beobachten. Ich habe mir einige Tutorials und Schulungen zu gemischten Modellen von JMP angesehen, konnte aber nicht feststellen, dass das von mir erwähnte Problem behoben ist.
Betreff: Verschiedene gemischte ModelloptionenEs ist fast unmöglich, einen einheitlichen Arbeitsablauf für die Anpassung gemischter Modelle bereitzustellen, da so viel davon abhängt:
1. Welches JMP-Produkt verwenden Sie? Es gibt große Unterschiede zwischen JMP und JMP Pro hinsichtlich der Fähigkeiten dieser breiten Familie von Modellierungsmethoden. Als ehemaliger leitender Systemingenieur bei JMP empfehle ich Experimentatoren und Modellierern grundsätzlich: Wenn Sie sich wirklich auf Mixed Modeling verlassen, sollten Sie JMP Pro ernsthaft in Betracht ziehen, da es im Vergleich zu JMP über ein viel breiteres Spektrum an Funktionen verfügt.
2. Viel hängt von der spezifischen experimentellen Designstruktur, der Definition der Effekte und dem Modell ab, das Sie anpassen möchten. Es gibt eine Vielzahl von Wegen in Bezug auf die experimentelle Designstruktur, die Effektabschätzung usw., die alle spezifische Auswahlen innerhalb des JMP/JMP Pro-Workflow-Ökosystems beeinflussen.
Das oben Genannte hilft vielleicht nicht viel ... aber ohne zu wissen, welches Produkt Sie verwenden, erhalten Sie weitere Details zum vorliegenden Problem, zum spezifischen Versuchsdesign usw. Wenn Sie noch nicht wissen, ist die JMP-Onlinedokumentation ein guter Ausgangspunkt In Bezug auf gemischte Modelle finden Sie hier: JMP-Dokumentation für gemischte Modelle
Ich empfehle Ihnen auch, einen Blick auf dieses JMP On Demand-Webinar zu werfen, das von meinem ehemaligen Kollegen präsentiert wurde @jiancao mit einigen tollen Erklärungen und Beispielen: On-Demand-Webinar zur gemischten Modellierung
