Interpretación GLMHice un estudio-experimento para mi tesis de maestría. Mi supervisor me recomendó que use GLM debido a que el diseño tiene componentes mixtos (los tratamientos son fijos pero los participantes y las imágenes incluidas en la encuesta son aleatorias), pero me resulta difícil interpretar los resultados.
En la encuesta, los participantes entraron aleatoriamente en una de las 3 condiciones. Luego vieron 10 imágenes y tuvieron que responder 6 preguntas para cada imagen. Dependiendo del tratamiento, la imagen incluía un signo tipo 1, tipo 2 o ningún signo. Respondieron las preguntas en una escala likert de cinco puntos.
Para este modelo utilicé el promedio de las 10 imágenes que cada participante respondió para una pregunta específica, esto me lo recomendaron pero también este modelo muestra un AIC más bajo que los otros que he probado.
Las variables utilizadas son:
NN vs N - NN está representado por 0 y significa que la imagen o el tratamiento no incluyeron un signo. N representa que tenía un signo.
Tratamiento: 0 representa que no incluyó un signo. 1 que incluía una señal tipo 1 y 2 que incluía una señal tipo 2.
Realmente agradecería si alguien pudiera ayudarme a entender los resultados.
Modelado Estadístico AvanzadoInvestigación del Consumidor y del MercadoDiseño de experimentosRe: Interpretación GLMHola y bienvenido. Así que entiendo los datos: Si Tratamiento =0, entonces NN vs N = 0. y, si Tratamiento = 1 o 2, entonces NN vs N = N. ¿Es esto correcto?Si es así, no es de extrañar que tenga problemas de singularidad, pérdida de dfs y estimaciones de parámetros cero. Esto puede suceder cuando sus factores están correlacionados entre sí. Si tengo esto correcto, entonces "NN vs N" es una función de "Tratamiento"... y es por eso que han surgido estos problemas.
Re: Interpretación GLM¡Hola! Sí, los factores están correlacionados entre sí. He usado el mismo modelo pero hecho solo un factor a la vez, si eso resolvería el problema que mencionaste. Todavía no entiendo realmente la salida, ¿crees que podrías ayudarme con eso? ¿Quizás decir lo que ves en los datos?
¿Supongo que debería usar el modelo por tratamiento ya que tiene un AIC más bajo? aunque lo que más me interesa es probar N vs NN, los diferentes tipos de signos son información adicional para mi investigación, pero no el punto principal.
gracias de antemano
Re: Interpretación GLM@PoissonOpossum3 Mi primer pensamiento: si tiene un GLM con distribución = normal y enlace = identidad, entonces sería más simple y quizás más informativo usar Mínimos cuadrados estándar en la plataforma Ajustar modelo ya que con esas opciones de GLM, el modelo es el mismo que en la opción Mínimos cuadrados estándar (y usaría énfasis = detección de efectos).Y dado que los resultados de Mínimos cuadrados tendrán más opciones para evaluar/interpretar sus resultados, comenzaría allí (usando un factor u otro).
Re: Interpretación GLMEl uso de un factor o predictor a la vez evita la singularidad en el análisis. Aún así, el problema persiste: no se puede atribuir ningún efecto exclusivamente a ninguno de estos factores en función de estos datos. Los factores se confunden. A veces decimos que un factor es un alias del otro. Requerimos datos en los que no estén correlacionados para asignar un efecto único a cada uno. Debe tener en cuenta el modelo y el análisis al diseñar el estudio. Debe utilizar un método establecido para diseñar el experimento. Los métodos establecidos requieren que especifique el modelo que pretende analizar.
Por otro lado, el Tratamiento podría ser el único factor real, y el análisis que utilice únicamente este factor podría ser válido.
GLM es principalmente para respuestas que no se distribuyen normalmente. Menciona efectos aleatorios pero no los incluyó en el modelo. Esa omisión podría ser válida porque representan el error residual. Si es así, no necesita un 'modelo de efectos mixtos' o un 'modelo mixto lineal generalizado'.
Re: Interpretación GLMGracias Mark, buscaré trabajar con otro modelo. Sin embargo, para poder comparar los resultados que obtuve del GLM, ¿me podrían ayudar con la siguiente pregunta?
En las estimaciones de parámetros muestra el intercepto y luego el Tratamiento 1 y el tratamiento 0, pero la variable tratamiento tiene 3 niveles (0, 1 y 2). ¿Significaría esto que JMP clasificó el Tratamiento 2 como Intercepción? (esto se puede ver en una de las últimas capturas de pantalla que proporcioné).
Gracias de antemano 
Re: Interpretación GLMNo, JMP parametriza los términos usando Effects Coding. Esencialmente, las estimaciones de parámetros suman cero. Entonces, si la estimación para el Tratamiento 1 es 5 y el Tratamiento 0 es 10, la estimación para el Tratamiento 2 = -15. Esta codificación asegura que la intersección se interprete como la respuesta media en el centro del espacio predictor.
