630450_de-DE

liliconcom

Re: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Hallo Anja: Wenn Sie Ihrem Datensatz neue Zeilen hinzufügen, mit den Datenpunktwerten, die Sie vorhersagen möchten, aber das "Y" als fehlend lassen ( . ).Dann wird es Ihnen geben, was Sie suchen.

Re: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Danke für deine schnelle Antwort.

Leider nicht. Genau das habe ich versucht. Es gibt nur die Konfidenzintervalle für Datenpunkte an, bei denen "Y" nicht fehlt und bei der Modellanpassung verwendet wurde.

Welche Version von JMP verwenden Sie? Ich verwende JMP Pro Version 17.

Re: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Hmm. Sind Sie sicher, dass Sie alle Ihre Prädiktoren in den hinzugefügten Spalten haben (wobei Y fehlt)?Das bedeutet Werte für alle Faktoren (fest, zufällig, was auch immer), die in Ihrem Modell enthalten sind (kategorisch und numerisch), und alle „von“-Variablen, die Sie möglicherweise verwendet haben. Ich verwende JMP V17, aber die Tatsache, dass Sie Pro verwenden, sollte keine Rolle spielen.

Betreff: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Und @Anja_W ...hier muss man schon sehr genau aufpassen, was man will. Möchten Sie Intervalle für eine bestimmte Kombination von Faktorstufen (zufällig und fest), die Sie zum Erstellen Ihres Modells verwendet haben? Oder möchten Sie Intervalle, die auf der Gesamtvariabilität der Daten basieren und nicht auf einer bestimmten Ebene der Zufallseffekte? Wenn Sie Ersteres wollen, dann sollte es funktionieren, wie ich es zuvor beschrieben habe. Wenn Sie letzteres wollen, dann ist das ein ganz anderes Tier, und ich zeige Sie hierher.  

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6916346/

Re: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Vielen Dank. Ich habe vergessen, dem Zufallsfaktor einen Wert hinzuzufügen, da die Vorhersage für eine neue Gruppe gelten soll, die ich noch nicht kenne. Es funktioniert, wenn ich eine bereits vorhandene Stufe des Zufallsfaktors einfüge, hängt aber eigentlich nicht davon ab.

Re: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Ich habe dieses Gespräch mit Interesse verfolgt. Soweit ich sehen kann, können Vorhersageintervalle für beide von Ihnen beschriebenen Situationen in JMP berechnet werden. Wenn Sie ein Vorhersageintervall für ein bestimmtes Niveau eines zufälligen Effekts wünschen, wählen Sie es aus

Spalten speichern --> Bedingtes individuelles CI

 

Wenn Sie ein Vorhersageintervall wünschen, in dem die Variabilität des Zufallseffekts enthalten ist, wählen Sie es aus

Spalten speichern --> Individuelles Konfidenzintervall

Re: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Exakt.

Aber auch für das letztere „Indiv Confidence Interval“ müssen Sie einen Wert für den Zufallsfaktor angeben. Das ist es, was mich verwirrt hat. Aber die Ausgabe ist die gleiche, egal welcher Wert bereitgestellt wird.

Betreff: Mittleres / individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

@Anja_W Und @StefanC . Punkte genommen; Es scheint, dass diese Version von JMP diese Option hat, was eine Verbesserung darstellt (und vielleicht habe ich sie in früheren Versionen verpasst). Allerdings gibt es nur wenige Informationen (die ich finden kann), wie JMP dieses "Indiv Confidence Interval" tatsächlich berechnet. Und die Forschung in diesem Bereich zeigt, dass viele der „Standard“-Methoden für solche Intervalle unvollständig sind und einer Verbesserung bedürfen; Eine Zusammenfassung des Problems in Bezug auf JMP und andere Software finden Sie hier in Abschnitt 3.5 ( https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6916346/ ). Darin heißt es zu JMP:

„In JMP ermöglicht die „Fit Model“-Plattform die Ausführung eines gemischten Modells und die PIs können über die Option „individuelles CI“ im Menü „Spalten speichern“ abgerufen werden. Es gibt keine Formel und keine Diskussion in der Hilfe bezüglich des PI und seiner Freiheitsgrade. Man kann tatsächlich feststellen, dass die Freiheitsgrade für feste Effekte (dh Kenward-Roger) für den PI verwendet werden. Dies ist nicht angemessen, wie in Abschnitt 3.2 mit zu breiten PIs erläutert (siehe nächster Abschnitt)."

Betreff: Mittelwert/individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Ich habe mich weiter damit beschäftigt. Ich habe Vorhersageintervalle anhand der Beispiele in den Abschnitten 5.2 und 5.3 berechnet (in dem von mir bereitgestellten Link, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6916346/ ) über JMP und über die darin beschriebene Methode. Und zu meiner großen Überraschung... sie passen zusammen! Das ist in der Tat eine wunderbare Verbesserung. Vielen Dank an JMP für dieses Update und vielen Dank @Anja_W Und @StefanC für die Zusammenarbeit, um das herauszufinden.

Betreff: Mittelwert/individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

@MRB3855 Ich weiß, dass die in JMP berechneten PIs für bestimmte Designs viel zu konservativ waren. Aber es scheint, dass dies in den letzten Versionen verbessert wurde. Aber wie Sie sagen, fehlen Informationen zur Berechnungsmethode.

 

Toller Artikel übrigens.

Betreff: Mittelwert/individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Habe gerade deinen Beitrag gesehen. Das ist in der Tat eine Verbesserung. Vielen Dank für die tolle Arbeit!

Betreff: Mittelwert/individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Das Papier, auf das Sie verwiesen haben, war korrekt, als es geschrieben wurde; Die DFs, die für individuelle Konfidenzintervalle (d. h. Vorhersageintervalle) verwendet wurden, als ein gemischtes Modell angepasst wurde, basierten ursprünglich standardmäßig auf den KR-DFs für ein übliches Konfidenzintervall. Dies wurde ab JMP und JMP Pro 16 korrigiert (wobei das Dokument, auf das Sie verwiesen haben, als primäre Referenz verwendet wurde). Die Option „Individuelles CI“ war vor dieser Version in der gemischten Persönlichkeit (der JMP Pro-Persönlichkeit zum Anpassen gemischter Modelle) nicht verfügbar. Sie war jedoch verfügbar, wenn Sie ein einfaches gemischtes Modell mithilfe von REML unter der Standard-Persönlichkeit der kleinsten Quadrate anpassen. Ich kann das Dokumentationsteam bitten, das Dokument mit weiteren Details zu aktualisieren oder zumindest für die Berechnung auf diesen Artikel zu verweisen.

Die Notwendigkeit, ein zufälliges Effektniveau anzugeben, obwohl es bei der Berechnung eines individuellen CI nicht verwendet wird, ist auf das typische Verhalten zurückzuführen, bei dem eine Zeile aus allen Berechnungen weggelassen wird, wenn ein X (ob fest oder zufällig) einen fehlenden Wert aufweist . Wenn ein zufälliges Effektniveau angegeben wird und der Y-Wert fehlt, wird die Zeile nicht zum Anpassen des Modells verwendet, ist aber für alle anderen Berechnungen weiterhin in den Daten enthalten.

Betreff: Mittelwert/individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Danke @eclaassen für den Hintergrund und den Kontext... und die Verbesserung! Manchmal ist es schwierig, mit den Neuerungen in der neuesten Version Schritt zu halten, insbesondere bei Updates wie diesem, die als „kleinere“ (aber in meiner Welt bedeutsame!) Updates gelten. Tatsächlich wäre es hilfreich, einige Details und/oder Hinweise in der Dokumentation zu haben.

Mittelwert/individuelles Konfidenzintervall in gemischten Modellen für neue Datenpunkte

Hallo allerseits,

 

Ich habe in JMP 17 ein gemischtes Modell mit einem zufälligen Effekt angepasst. Ich möchte Konfidenzintervalle für neue Vorhersagen erhalten, dh Datenpunkte, die bei der Modellanpassung nicht verwendet wurden. Wenn ich jedoch zum roten Dreieck in der Anpassungsmodellplattform gehe und „Spalten speichern -> Mittelwert/individuelles Konfidenzintervall“ verwende, werden nur Werte für die Datenpunkte angezeigt, die bei der Modellanpassung verwendet werden. Gibt es in JMP oder JSL eine Möglichkeit, Konfidenzintervalle für neue Datenpunkte abzurufen?

Wenn ich Modelle für Vorhersagen verwende, interessiert mich auch die Unsicherheit dieser Vorhersage.

 

Ich würde mich über jede Hilfe freuen!

 

Am besten,

Anja

 

Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungDatenexploration und -visualisierungVersuchsplanung