JMP 16 – Werden die Konfidenzintervalle bei der Rückwärtseliminierung von Fixeffekten in einem DoE-Mischmodell breiter?Hallo,
Entschuldigen Sie, wenn dies schon einmal gefragt wurde. Ich habe vor dem Posten die Suchfunktion verwendet und konnte in diesem Forum nichts finden.
Ich untersuche gemischte Modelle für DoE, um ein tieferes Verständnis dafür zu erlangen, wie feste und zufällige Effekte zu einem Prozessergebnis beitragen. Wenn ich jedoch versuche, die Rückwärtseliminierung manuell zu verwenden, um meine Regressionsparameter mit festen Effekten zu vereinfachen, stelle ich fest, dass die Konfidenzintervalle für meine Parameterschätzungen (z. B. mein Achsenabschnitt, der für meine Zwecke wichtig ist) sehr breit werden, was sich auch in breiten und ungleichmäßigen Konfidenzintervallen im Profiler widerspiegelt.
Ich hätte gedacht, dass einfachere Modelle mehr Freiheitsgrade für bessere Varianz-/Standardfehlermessungen freigeben und somit die Konfidenzintervalle verkleinern würden, aber das Gegenteil scheint der Fall zu sein. Es ist erwähnenswert, dass diese Effekte ausgeprägter sind, wenn ich die Komplexität meiner Zufallseffekte erhöhe (z. B.: Verketten von Parametern als Zufallsblock im Vergleich zum Durchführen einer Varianzkomponentenanalyse für jeden Zufallsfaktor einzeln).
Unten sehen Sie ein Beispiel für ein DoE, das ich mithilfe simulierter Ergebnisse (nicht gezeigt) zu erstellen und zu untersuchen versucht habe:
X1, X2 und X3 wären Fixfaktoren, während der Rest meine Beispiel-Zufallsfaktoren sind.
Für jede Hilfe wäre ich dankbar! Bisher scheint es für mich am besten, das vollständige Response Surface-Modell beizubehalten und an dieser Stelle keine Optionen für eine schrittweise Eliminierung zu prüfen.
Am besten,
Matt
Erweiterte statistische ModellierungWindowsBetreff: JMP 16- Konfidenzintervalle werden breiter während der Rückwärtseliminierung von festen Effekten in einem DoE mit gemischtem Modell?Ich würde die Länge des Konfidenzintervalls auf den Schätzungen nicht verwenden, um ein Modell auszuwählen. Sie spiegeln die Unsicherheit in den Schätzungen angesichts des gewählten Modells wider.
Die Intervalle verlängern sich, weil das Entfernen eines Terms die zugehörige Quadratsumme zum Fehlerterm hinzufügt. Der Fehlerterm wird verwendet, um den Standardfehler jeder Schätzung zu schätzen.
Betreff: JMP 16- Konfidenzintervalle werden breiter während der Rückwärtseliminierung von festen Effekten in einem DoE mit gemischtem Modell?Danke euch beiden für die schnellen Antworten. Ich reduzierte mein Modell durch manuelle Rückwärtseliminierung durch Minimierung von AICc und war neugierig, warum meine CIs breiter wurden. Deine Erklärungen machen Sinn.
Betreff: JMP 16- Konfidenzintervalle werden während der Rückwärtseliminierung von festen Effekten in einem DoE mit gemischtem Modell breiter?Erstmal willkommen in der Community. Ich bin mir nicht sicher, ob ich Ihre Fragen beantworten kann, da ich nicht genug Kontext habe (z. B. was ist Ihr Ziel?), aber hier sind meine Gedanken. Wie Mark bereits geantwortet hat, werden diese SS's und DF's in der MSE zusammengefasst, wenn Sie Terme aus dem Modell entfernen. Ich würde zum Beispiel andere Techniken verwenden, um das Modell zu reduzieren
1. In erster Linie KMU (Fachexperten) und die damit verbundenen Hypothesen. Sind die Parametereffekte und Koeffizienten sinnvoll?
2. Auf Kollinearität prüfen (Analysieren>Multivariate Methoden>Multivariat (und auf Ausreißer testen))
3. Beobachten Sie beim Entfernen oder Hinzufügen von Termen aus dem Modell das Delta zwischen RSquare und RSquare Adjusted. Je größer das Delta, desto überspezifizierter das Modell
4. RMSE, das Modell mit dem kleineren RMSE ist besser
5. p-Werte
Übrigens beziehen sich Konfidenzintervalle nur auf die vorliegenden Daten. Die Fähigkeit, diese in die Zukunft zu extrapolieren, hängt vollständig davon ab, wie repräsentativ Ihre Studie für die Zukunft ist.
