EMS vs REML - pourquoi les erreurs standard diffèrent-elles ?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Salut,
Je viens de mettre en place une série de modèles mixtes à l'aide de la plateforme Fit Model en utilisant l'un des ensembles de données de démonstration JMP ("Blood Pressure", dans lequel j'ai défini les doses comme effet fixe et les sujets comme effet aléatoire).Pour analyser ces modèles, j'ai le choix entre plusieurs méthodologies : EMS ou REML (recommandé), donc je les ai essayées toutes les deux, j'ai ajouté une comparaison par paire des doses (l'option "LS Means Student's t" sur le panneau "Effect Details", montrant le Rapport sur les lettres de connexion uniquement) et comparé les résultats.Dans le résultat obtenu, le rapport de dose F, la valeur P, la moyenne des moindres carrés et le rapport sur les lettres de connexion étaient tous identiques ; cependant, les erreurs types pour les moyennes des moindres carrés étaient différentes dans tous les cas.
Cela ne me surprendrait pas - après tout, les méthodologies sont souvent différentes faire fournir des résultats différents - sauf que si les erreurs standard sont différentes, je me serais attendu aux rapports Connecting Letters aussi avoir produit des résultats différents - parce que les comparaisons par paires sont (vraisemblablement) basées sur les mêmes calculs qui ont généré les erreurs types.
Comment est-ce possible?Il convient d'ajouter que même si les erreurs types ici, bien que différentes, restent assez similaires, la question est apparue à l'origine lorsque j'analysais un ensemble de données beaucoup plus vaste dans lequel les erreurs types rapportées par une analyse étaient environ trois fois supérieures à celles de l'autre - et pourtant, tous les rapports de Connecting Letters étaient encore une fois identiques.
J'utilise JMP 11 et je joins une copie de l'ensemble de données sur la pression artérielle avec les deux analyses en annexe pour toute personne souhaitant vérifier mes calculs.Ai-je fait quelque chose de stupide ici ?
Merci beaucoup.
Re : EMS vs REML – pourquoi les erreurs standard diffèrent-elles ?Salut,
La raison pour laquelle les erreurs standard sont différentes entre les erreurs standard REML et EMS LS Means est que REML utilise le calcul suivant pour les erreurs standard LS Means :
où L est le vecteur de contraste pour les moyennes LS, X est la matrice de conception et V est la matrice de variance.
EMS utilise la méthode des moindres carrés ordinaires pour calculer les erreurs standard LS Means qui n'incluent pas la matrice de variance, V,
EMS LS signifie la formule d'erreur standard :
.
Ainsi, EMS traite fondamentalement tous les effets comme fixés dans ces calculs.
Je recommanderais certainement d'utiliser REML sur EMS.
J'espère que ça aide.
Laura
Re : EMS vs REML - pourquoi les erreurs standard diffèrent-elles ?Bonjour, merci beaucoup ! Je vais me renseigner. Pouvez-vous imaginer une raison pour laquelle les rapports de lettres de connexion des deux méthodes donneraient des résultats identiques ? Si j'utilisais un logiciel ne proposant pas cette fonctionnalité, je calculerais probablement moi-même ce résumé directement à partir du tableau des moyennes et des erreurs types. Dans ce cas, j'obtiendrais probablement des résultats différents de ceux fournis par JMP pour la méthodologie REML. J'aimerais donc mieux comprendre.
Merci pour votre temps sur ce sujet : c'est vraiment utile.
