<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo,
Ich habe gerade eine Reihe gemischter Modelle mithilfe der Fit Model-Plattform unter Verwendung eines der JMP-Demodatensätze („Blutdruck“, in dem ich „Dosen“ als festen Effekt und „Subjekte“ als zufälligen Effekt festgelegt habe) eingerichtet.Um diese Modelle zu analysieren, habe ich die Wahl zwischen Methoden: EMS oder REML (empfohlen), also habe ich beide ausprobiert und einen paarweisen Vergleich der Dosen hinzugefügt (die Option „LS Means Student's t“ im Bereich „Effektdetails“, der die anzeigt (nur Connecting Letters-Bericht) und verglich die Ergebnisse.In der resultierenden Ausgabe waren das Dosis-F-Verhältnis, der P-Wert, die Mittelwerte der kleinsten Quadrate und der Bericht über die Verbindungsbuchstaben alle identisch; Allerdings waren die Standardfehler für die Mittelwerte der kleinsten Quadrate in allen Fällen unterschiedlich.
Das würde mich nicht überraschen – schließlich gibt es oft unterschiedliche Methoden Tun unterschiedliche Ergebnisse liefern – außer dass ich bei unterschiedlichen Standardfehlern die Connecting Letters-Berichte erwartet hätte Auch unterschiedliche Ergebnisse hervorgebracht zu haben, da die paarweisen Vergleiche (vermutlich) auf denselben Berechnungen basieren, die die Standardfehler erzeugt haben.
Wie ist das möglich?Es ist erwähnenswert, dass, obwohl die Standardfehler hier zwar unterschiedlich sind, immer noch ziemlich ähnlich sind, die Frage ursprünglich ans Licht kam, als ich einen weitaus größeren Datensatz analysierte, in dem die gemeldeten Standardfehler aus einer Analyse etwa dreimal so hoch waren wie die der anderen – und Dennoch waren alle „Connecting Letters“-Berichte wiederum identisch.
Ich verwende JMP 11 und füge eine Kopie des Blutdruckdatensatzes mit beiden angehängten Analysen für alle bei, die meine Berechnungen überprüfen möchten.Habe ich hier etwas Dummes getan?
Vielen Dank.
