EMS vs REML: ¿por qué difieren los errores estándar?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola,
Acabo de configurar una serie de modelos mixtos usando la plataforma Fit Model usando uno de los conjuntos de datos de demostración de JMP ("Presión arterial", en el que configuré Dosis como un efecto fijo y Sujetos como un efecto aleatorio).Para analizar esos modelos tengo la opción de elegir metodologías: EMS o REML (recomendado), así que probé ambas, agregué una comparación por pares de las dosis (la opción "LS significa t de Student" en el panel "Detalles del efecto", que muestra el Informe Connecting Letters solamente) y comparó los resultados.En el resultado resultante, la relación de dosis F, el valor de P, las medias de mínimos cuadrados y el informe de letras conectadas fueron todos idénticos; sin embargo, los errores estándar para las medias de mínimos cuadrados fueron diferentes en todos los casos.
Esto no me sorprendería; después de todo, a menudo se utilizan diferentes metodologías. hacer entregar resultados diferentes, excepto que si los errores estándar son diferentes, habría esperado los informes de Connecting Letters también haber producido resultados diferentes, porque las comparaciones por pares se basan (presumiblemente) en los mismos cálculos que generaron los errores estándar.
¿Cómo es esto posible?Vale la pena agregar que aunque los errores estándar aquí, si bien son diferentes, siguen siendo bastante similares, la pregunta salió a la luz originalmente cuando estaba analizando un conjunto de datos mucho más grande en el que los errores estándar reportados en un análisis eran aproximadamente tres veces mayores que los del otro, y sin embargo, todos los informes de Connecting Letters volvieron a ser idénticos.
Estoy ejecutando JMP 11 y adjunto una copia del conjunto de datos de presión arterial con ambos análisis adjuntos para cualquiera que desee verificar mis cálculos.¿He hecho alguna tontería aquí?
Muchas gracias.
Re: EMS vs REML: ¿por qué difieren los errores estándar?Hola,
La razón por la que los errores estándar son diferentes entre los errores estándar de REML y EMS LS Means es porque REML está utilizando el siguiente cálculo para los errores estándar de LS Means:
donde L es el vector de contraste para las medias LS, X es la matriz de diseño y V es la matriz de varianza.
EMS utiliza la forma de mínimos cuadrados ordinarios para calcular los errores estándar de medias LS que no incluyen la matriz de varianza, V,
EMS LS Significa fórmula de error estándar:
.
Por lo tanto, EMS básicamente trata todos los efectos como fijos en estos cálculos.
Definitivamente recomendaría usar REML en lugar de EMS.
Espero que esto ayude.
laura
Re: EMS vs REML: ¿por qué difieren los errores estándar?Hola, muchas gracias. Lo investigaré. ¿Se te ocurre alguna razón por la que los informes de letras de conexión de ambos métodos arrojarían resultados idénticos? Si usara un paquete que no ofreciera esta funcionalidad, probablemente calcularía dicho resumen directamente a partir de la tabla de medias y errores estándar; en cuyo caso, presumiblemente, obtendría resultados diferentes a los que proporciona JMP para la metodología REML. Por lo tanto, me gustaría comprender esto mejor.
Gracias por tu tiempo en esto: es realmente útil.
