JMP 16- ¿Los intervalos de confianza se hacen más amplios durante la eliminación hacia atrás de efectos fijos en un modelo mixto?Hola,
Disculpas si ya se ha preguntado esto antes. Utilicé la función de búsqueda antes de publicar y no pude encontrar nada en este foro.
Estoy explorando modelos mixtos para DoE en un esfuerzo por obtener una comprensión más profunda de cómo los efectos fijos y aleatorios contribuyen al resultado de un proceso. Sin embargo, cuando intento usar manualmente la eliminación hacia atrás para simplificar mis parámetros de regresión de efectos fijos, noto que los intervalos de confianza para mis estimaciones de parámetros (por ejemplo, mi intersección, que es importante para mis propósitos) se vuelven muy amplios, lo que también se refleja en intervalos de confianza amplios y desiguales en el generador de perfiles.
Yo habría pensado que los modelos más simples liberarían más grados de libertad para mejores mediciones de varianza/error estándar y, por lo tanto, harían que los intervalos de confianza fueran más pequeños, pero parece que ocurre lo contrario. Vale la pena señalar que estos efectos son más pronunciados cuando aumento la complejidad de mis efectos aleatorios (por ejemplo, concatenando parámetros como un bloque aleatorio en lugar de realizar un análisis de componentes de varianza en cada factor aleatorio individualmente).
Vea a continuación un ejemplo de DoE que he estado intentando construir y explorar utilizando resultados simulados (no se muestran):
X1 X2 y X3 serían factores fijos, mientras que el resto son mis factores aleatorios de ejemplo.
¡Cualquier ayuda sería bienvenida! Hasta ahora, parece que mi mejor opción sería conservar el modelo de superficie de respuesta completa y no explorar ninguna opción de eliminación gradual en este momento.
Mejor,
Mate
Modelado estadístico avanzadoVentanasRe: JMP 16: ¿los intervalos de confianza se amplían durante la eliminación hacia atrás de los efectos fijos en un modelo mixto DoE?No utilizaría la longitud del intervalo de confianza de las estimaciones para seleccionar un modelo. Reflejan la incertidumbre en las estimaciones dado el modelo seleccionado.
Los intervalos se alargan porque al eliminar un término se suma la suma de cuadrados asociada al término de error. El término de error se utiliza para estimar el error estándar de cada estimación.
Re: JMP 16: ¿los intervalos de confianza se amplían durante la eliminación hacia atrás de los efectos fijos en un modelo mixto DoE?Primero, bienvenido a la comunidad. No estoy seguro de poder responder a sus preguntas ya que no tengo suficiente contexto (¿cuál es su objetivo?), pero aquí están mis pensamientos. Como Mark ya respondió, cuando elimina términos del modelo, esos SS y DF se agrupan en el MSE. Estaría usando otras técnicas para reducir el modelo, por ejemplo
1. En primer lugar, SME (expertos en la materia) y sus hipótesis relacionadas. ¿Tienen sentido los efectos y coeficientes de los parámetros?
2. Comprobar la colinealidad (Analizar>Métodos multivariados>Multivariados (y probar valores atípicos))
3. A medida que elimine o agregue términos al modelo, observe el delta entre RSquare y RSquare Adjusted. Cuanto mayor sea el delta, más especificado será el modelo
4. RMSE, el modelo con menor RMSE mejor
5. valores p
Por cierto, los intervalos de confianza están relacionados solo con los datos disponibles. La capacidad de extrapolarlos al futuro depende completamente de cuán representativo sea su estudio del futuro.
Re: JMP 16: ¿los intervalos de confianza se amplían durante la eliminación hacia atrás de los efectos fijos en un modelo mixto DoE?Gracias a ambos por las rápidas respuestas. Estaba reduciendo mi modelo a través de la eliminación manual hacia atrás al minimizar AICc y tenía curiosidad por saber por qué mis CI se estaban volviendo más anchos. Tus explicaciones tienen sentido.
