正しい自由度?こんにちは、
フィットモデル関数を使用して、6 つの異なるカテゴリ効果を持つ連続変数をモデル化しています。 ただし、モデルにリストされている DF は 6 ではなく 8 として指定されており、パラメーター推定ではこれらのカテゴリ変数のうち 2 つがそれぞれ 2 つのカテゴリに分割されています。 これら 2 つの変数が 2 つのカテゴリに分類されるのはなぜですか? 自由度は正しいですか? モデルの適合画面とパラメータ推定画面の写真が含まれています。 ありがとう！
基本的なデータ分析とモデリングRe: 正しい自由度?やあ@JenniferB 、
コミュニティへようこそ！
データへの完全なアクセス権がないと回答するのが少し複雑になるかもしれませんが、スクリーンショットで提供される情報をもとに最善を尽くします。 データセットに関する私の仮定が間違っている場合は、修正してください。
モデルに対して計算された自由度 (DF) の背後にあるものを見てみましょう。
- データセット内の DF : [分散分析] パネルを見ると、データセット内に 50 の異なる観測値があり、したがって合計 50 の自由度があることがわかります。 重複する観測値がある場合、つまり同じ X 値を持つ観測値がある場合、これらの観測値は自由度を追加しません (ただし、応答の分散を推定するのに役立つ場合があります)。
- モデル内の DF : モデルによって「消費される」DF の数は、持っている因子の種類によって異なります。 たとえば、各数値連続因子は、モデル内の 1 DF を使用して、方程式内のパラメーターを推定します。 カテゴリカル因子の場合、使用される DF の数はレベルの数によって異なります。カテゴリカル因子の N レベルの場合、モデリングで使用される DF の数は N-1 です。最後のレベル パラメータ推定値は他のレベル パラメータから計算できるため、3 レベル係数の場合、レベル推定値の合計は L1+L2+L3 = 0 になります。
ここの例では、肉の種類に応じたホットドッグの価格の方程式が示されており、3 レベルのパラメーター推定値の合計が確かに 0 に等しいことを確認できます。
トピックに戻りますが、モデルには次の要素があるようです。
- Q28: 性別: 2 レベルのカテゴリカル因子 (1 つの DF を表す)、
- Q31: 出身地: 3 段階の分類因子 (DF 2 名を表す)、
- Q32: 最高次数: 2 レベルのカテゴリー因子 (1 つの DF を表す)、
- Q39: EuthExp: 3 レベルのカテゴリー因子 (2 つの DF を表す)、
- Q43: PriorTraining : 2 レベルのカテゴリ因子 (1 つの DF を表す)、
- Q44: Euth6mos : 2 レベルのカテゴリ因子 (1 つの DF を表す)。
したがって、JMP での計算は正しく、モデルでは合計 1+2+1+2+1+1 = 8 個の DF が使用され、データセットでは 50 個の DF が利用可能であるため、42 個の DF が残り、誤差推定に使用されます。 、「分散分析」パネルに見られるように。
この回答により、表示されている出力が明確になることを願っています。
Re: 正しい自由度?はい、それは理にかなっています! ご協力ありがとうございました！
ジェン
Re: 正しい自由度?考えられる説明を 1 つだけ説明すると、合計 50 個の DF がある場合、合計 51 個の観測値が必要になります。
Re: 正しい自由度?はい、インターセプトのDFを1人数えるのを忘れていました、グッドキャッチ！
