EMS 与 REML - 为什么标准误不同？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好，
我刚刚使用拟合模型平台和 JMP 演示数据集之一（“血压”，其中我将剂量设置为固定效应，将受试者设置为随机效应）建立了一系列混合模型。为了分析这些模型，我可以选择方法：EMS 或 REML（推荐），所以我尝试了这两种方法，添加了剂量的成对比较（“效果详细信息”面板上的“LS 意味着学生 t”选项，显示了仅连接字母报告），并比较输出。在结果输出中，剂量 F 比率、P 值、最小二乘均值和连接字母报告均相同；然而，最小二乘均值的标准误差在所有情况下都不同。
这不会让我感到惊讶 - 毕竟，不同的方法经常做提供不同的结果 - 除非标准错误不同，否则我会期望连接信件报告还产生不同的结果 - 因为成对比较（大概）基于生成标准误差的相同计算。
这怎么可能？值得补充的是，尽管这里的标准误差虽然不同，但仍然非常相似，但这个问题最初是在我分析一个更大的数据集时发现的，其中一个分析报告的标准误差大约是另一个分析的三倍 - 并且然而所有的连线信件报告又是相同的。
我正在运行 JMP 11，并附上一份血压数据集的副本，其中附加了两个分析，供任何想要检查我的计算的人使用。我在这里做了什么傻事吗？
非常感谢。
回复：EMS 与 REML - 为什么标准误不同？你好，
REML 和 EMS LS 均值标准误差的标准误差不同的原因是 REML 对 LS 均值标准误差使用以下计算：
其中 L 是 LS 均值的对比向量，X 是设计矩阵，V 是方差矩阵。
EMS 使用普通最小二乘法计算 LS 均值标准误差，其中不包括方差矩阵 V，
EMS LS 表示标准误差公式：
.
因此，EMS 基本上将所有影响视为这些计算中固定的。
我绝对会推荐使用 REML 而不是 EMS。
我希望这有帮助。
劳拉
回复：EMS 与 REML - 为什么标准误差不同？您好，非常感谢：我会仔细研究一下。不过，您能解释一下为什么两种方法的连接字母报告会得出相同的结果吗？如果我使用的软件包没有提供这项功能，我可能会直接从均值和标准误差表中自行计算出这样的汇总结果——在这种情况下，我得到的结果可能与 JMP 为 REML 方法提供的结果不同。因此，我想更好地理解这一点。
感谢您花费时间：这真的很有帮助。
