JMP 16- 혼합 모형 DoE에서 고정 효과를 역으로 제거하는 동안 신뢰 구간이 넓어지고 있습니까?안녕하세요,
이전에 질문한 적이 있다면 사과드립니다. 게시하기 전에 검색 기능을 사용했지만 이 포럼에서 아무것도 찾을 수 없었습니다.
저는 고정 효과와 임의 효과가 프로세스 출력에 어떻게 기여하는지에 대한 더 깊은 이해를 얻기 위해 DoE에 대한 혼합 모델을 탐구하고 있습니다. 그러나 고정 효과 회귀 매개변수를 단순화하기 위해 수동으로 역방향 제거를 사용하려고 할 때 매개변수 추정치(예: 제 목적에 중요한 절편)에 대한 신뢰 구간이 정말 넓어지는 것을 알아차렸고, 이는 프로파일러의 넓고 고르지 않은 신뢰 구간에도 반영되었습니다.
더 간단한 모델이 더 나은 분산/표준 오차 측정을 위해 더 많은 자유도를 확보하고 따라서 신뢰 구간을 더 작게 만들 것이라고 생각했지만, 그 반대가 사실인 듯합니다. 이러한 효과는 제 임의 효과의 복잡성을 증가시킬 때 더 두드러진다는 점에 유의할 가치가 있습니다(예: 매개변수를 임의 블록으로 연결하는 것과 각 임의 요인에 대해 개별적으로 분산 성분 분석을 수행하는 것).
시뮬레이션 결과(표시되지 않음)를 사용하여 구축하고 탐색하려고 시도했던 DoE의 예를 아래에서 확인하세요.
X1, X2, X3는 고정 요인이고 나머지는 제가 예로 든 무작위 요인입니다.
도움을 주시면 감사하겠습니다! 지금까지 제가 취할 수 있는 최선의 조치는 전체 반응 표면 모델을 유지하고 이 시점에서 단계적 제거 옵션을 탐색하지 않는 것 같습니다.
최상의,
매트
고급 통계 모델링윈도우Re: JMP 16- 혼합 모델 DoE에서 고정 효과를 역방향으로 제거하는 동안 신뢰 구간이 넓어지나요?나는 모델을 선택하기 위해 추정치에 대한 신뢰 구간의 길이를 사용하지 않을 것입니다. 선택한 모델이 주어진 추정치의 불확실성을 반영합니다.
항을 제거하면 연관된 제곱합이 오차 항에 추가되기 때문에 간격이 길어집니다. 오차 항은 각 추정치의 표준 오차를 추정하는 데 사용됩니다.
Re: JMP 16- 혼합 모델 DoE에서 고정 효과를 역방향으로 제거하는 동안 신뢰 구간이 넓어지나요?빠른 답장을 보내주신 두 분께 감사드립니다. AICc를 최소화하여 수동 후진 제거를 통해 모델을 축소하고 있었는데 CI가 더 넓어지는 이유가 궁금했습니다. 당신의 설명은 의미가 있습니다.
Re: JMP 16- 혼합 모델 DoE에서 고정 효과를 역방향으로 제거하는 동안 신뢰 구간이 넓어지나요?먼저 커뮤니티에 오신 것을 환영합니다. 내가 충분한 맥락(예: 목표가 무엇입니까?)이 없기 때문에 귀하의 질문에 답변할 수 있을지 모르겠지만 제 생각은 다음과 같습니다. Mark가 이미 대답했듯이 모델에서 항을 제거하면 해당 SS 및 DF가 MSE에 풀링됩니다. 예를 들어 모델을 줄이기 위해 다른 기술을 사용합니다.
1. 무엇보다도 SME(주제 전문가) 및 관련 가설. 매개변수 효과와 계수가 의미가 있습니까?
2. 공선성 확인(분석>다변량 방법>다변량(및 이상값 테스트))
3. 모델에서 항을 제거하거나 추가할 때 RSquare와 RSquare Adjusted 사이의 델타를 확인하십시오. 델타가 클수록 모델이 더 많이 지정됨
4. RMSE, RMSE가 작을수록 좋은 모델
5. p-값
그런데 신뢰구간은 가지고 있는 데이터에만 관련이 있습니다. 그것들을 미래로 추정하는 능력은 전적으로 당신의 연구가 미래를 얼마나 대표하는지에 달려 있습니다.
