JMP 16 - 混合モデル DoE で固定効果を後方除去すると信頼区間が広くなりますか?こんにちは、
以前に質問されていたら申し訳ありません。投稿する前に検索機能を使用しましたが、このフォーラムでは何も見つかりませんでした。
私は、固定効果とランダム効果がプロセス出力にどのように寄与するかについてより深く理解するために、DoE の混合モデルを調査しています。しかし、手動で後方消去法を使用して固定効果回帰パラメータを簡素化しようとすると、パラメータ推定値の信頼区間 (たとえば、目的にとって重要な切片) が非常に広くなることに気付きました。これは、プロファイラの信頼区間が広く不均一であることにも反映されています。
より単純なモデルでは、より優れた分散/標準誤差測定のための自由度が増し、信頼区間が小さくなると考えていましたが、その逆のようです。ランダム効果の複雑さが増すと、これらの効果がより顕著になることは注目に値します (例: パラメーターをランダム ブロックとして連結するのと、各ランダム要因に対して分散成分分析を個別に実行するのとの比較)。
以下に、シミュレーション結果 (図示せず) を使用して構築および調査しようとした DoE の例を示します。
X1、X2、X3 は固定係数であり、残りは私の例のランダム係数です。
どなたか助けていただければ幸いです。今のところ、完全な応答曲面モデルを保持し、この時点では段階的な除去オプションを検討しないことが最善の策であるように思われます。
最高、
マット
高度な統計モデリングウィンドウズRe: JMP 16- 混合モデル DoE での固定効果の後方消去中に信頼区間が広くなる?モデルを選択するために、推定値の信頼区間の長さは使用しません。 それらは、選択されたモデルに与えられた推定値の不確実性を反映しています。
項を削除すると、関連する平方和が誤差項に追加されるため、間隔が長くなります。 誤差項は、各推定値の標準誤差を推定するために使用されます。
Re: JMP 16- 混合モデル DoE での固定効果の後方消去中に信頼区間が広くなる?お二方、素早い回答ありがとうございます。 私は、AICc を最小化することで手動の後方除去によってモデルを縮小していましたが、CI が広くなった理由に興味がありました。 あなたの説明は理にかなっています。
Re: JMP 16- 混合モデル DoE での固定効果の後方消去中に信頼区間が広くなる?まず、コミュニティへようこそ。 十分なコンテキストがないため (あなたの目標は何ですか?)、あなたの質問に答えられるかどうかわかりませんが、私の考えは次のとおりです。 マークがすでに答えたように、モデルから項を削除すると、それらの SS と DF が MSE にプールされます。 たとえば、モデルを減らすために他の手法を使用します
1. 何よりもまず、SME (対象分野の専門家) とそれに関連する仮説。 パラメータの効果と係数は意味がありますか?
2.共線性をチェックします（分析>多変量法>多変量（および外れ値のテスト））
3. モデルの項を削除または追加する際、R2 乗と調整済み R2 乗の間のデルタを観察します。 デルタが大きいほど、モデルが過剰に指定されていることを示します
4. RMSE、RMSE が小さいほど良いモデル
5.p値
ちなみに、信頼区間は手元のデータのみに関連しています。 それらを将来に推定する能力は、あなたの研究が将来をどの程度代表しているかに完全に依存しています.
