Interpretazione GLMHo fatto un sondaggio-esperimento per la mia tesi di laurea. Il mio supervisore mi ha consigliato di utilizzare GLM a causa del design con componenti misti (i trattamenti sono fissi ma i partecipanti e le immagini incluse nel sondaggio sono casuali) ma trovo difficile interpretare i risultati.
Nel sondaggio i partecipanti sono entrati casualmente in una delle 3 condizioni. Poi hanno visto 10 immagini e hanno dovuto rispondere a 6 domande per ogni immagine. A seconda del trattamento, l'immagine includeva un segno di tipo 1, di tipo 2 o nessun segno. Hanno risposto alle domande su una scala likert a cinque punti.
Per questo modello ho usato la media delle 10 foto a cui ogni partecipante ha risposto per una specifica domanda, questo mi è stato consigliato ma anche questo modello mostra un AIC inferiore rispetto agli altri che ho provato.
Le variabili utilizzate sono:
NN vs N - NN è rappresentato da 0 e significa che l'immagine o il trattamento dell'immagine non includeva un segno. N rappresenta che aveva un segno.
Trattamento - 0 indica che non includeva un segno. 1 che includeva un segnale di tipo 1 e 2 che includeva un segnale di tipo 2.
Apprezzerei davvero se qualcuno potesse aiutarmi a capire i risultati.
Modellazione statistica avanzataConsumatori e ricerche di mercatoProgettazione di esperimentiRi: Interpretazione GLMCiao e Benvenuto. Quindi capisco i dati: se Trattamento = 0, allora NN vs N = 0. e, se Trattamento = 1 o 2, allora NN vs N = N. è corretto?In tal caso, non c'è da meravigliarsi che tu abbia problemi di singolarità, dfs persi e stime dei parametri azzerate. Questo può accadere quando i tuoi fattori sono correlati tra loro. Se ho questo corretto, allora "NN vs N" è una funzione di "Trattamento" ... ed è per questo che sono emersi questi problemi.
Ri: Interpretazione GLMCIAO! Sì, i fattori sono correlati tra loro. Ho usato lo stesso modello ma ho fatto solo un fattore alla volta, se questo risolvesse il problema che hai menzionato. Ancora non capisco davvero l'output, pensi di potermi aiutare con quello? Forse raccontando quello che vedi nei dati?
Immagino che dovrei usare il modello per trattamento poiché ha un AIC inferiore? anche se ciò che mi interessa maggiormente è testare N vs NN, i diversi tipi di segni sono informazioni aggiuntive per la mia ricerca ma non il punto principale.
grazie in anticipo
Ri: Interpretazione GLM@PoissonOpossum3 Il mio primo pensiero: se hai un GLM con distribution=normal e link=identity, allora sarebbe più semplice e forse più informativo usare Standard Least Squares nella piattaforma Fit Model poiché con quelle opzioni GLM, il modello è lo stesso di nell'opzione Minimi quadrati standard (e userei enfasi = retinatura effetto).E poiché i risultati dei minimi quadrati avranno più opzioni per valutare/interpretare i tuoi risultati, inizierei da lì (usando un fattore o l'altro).
Ri: Interpretazione GLML'utilizzo di un fattore o predittore alla volta evita la singolarità nell'analisi. Tuttavia, il problema rimane: non è possibile attribuire alcun effetto esclusivamente a nessuno di questi fattori sulla base di questi dati. I fattori sono confusi. A volte diciamo che un fattore è un alias dell'altro. Abbiamo bisogno di dati in cui non sono correlati per assegnare in modo univoco un effetto a ciascuno. È necessario considerare il modello e l'analisi durante la progettazione dello studio. È necessario utilizzare un metodo consolidato per progettare l'esperimento. I metodi stabiliti richiedono di specificare il modello che si intende analizzare.
D'altra parte, il trattamento potrebbe essere l'unico fattore reale e l'analisi che utilizza esclusivamente questo fattore potrebbe essere valida.
GLM è principalmente per risposte non distribuite normalmente. Hai citato effetti casuali ma non li hai inclusi nel modello. Tale omissione potrebbe essere valida perché rappresentano l'errore residuo. In tal caso, non è necessario un "modello a effetti misti" o un "modello misto lineare generalizzato".
Ri: Interpretazione GLMGrazie Mark, cercherò di lavorare con un altro modello. Tuttavia, per confrontare i risultati che ho ottenuto dal GLM, potresti aiutarmi con la seguente domanda?
Sulle stime dei parametri mostra l'intercetta e poi Trattamento 1 e Trattamento 0, ma la variabile Trattamento ha 3 livelli (0, 1 e 2). Ciò significherebbe che JMP ha classificato il Trattamento 2 come Intercettazione? (questo può essere visto su uno degli ultimi screenshot che ho fornito).
Grazie in anticipo 
Ri: Interpretazione GLMNo, JMP parametrizza i termini utilizzando la codifica degli effetti. In sostanza, il parametro stima la somma pari a zero. Quindi, se la stima per il trattamento 1 è 5 e il trattamento 0 è 10, la stima per il trattamento 2 = -15. Questa codifica garantisce che l'intercetta venga interpretata come la risposta media al centro dello spazio predittivo.
