EMS vs. REML – warum unterscheiden sich die Standardfehler?<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.
Betreff: EMS vs. REML – warum unterscheiden sich die Standardfehler?Hallo,
Der Grund dafür, dass die Standardfehler zwischen REML und den EMS LS Means-Standardfehlern unterschiedlich sind, liegt darin, dass REML die folgende Berechnung für die LS Means-Standardfehler verwendet:
Dabei ist L der Kontrastvektor für die LS-Mittel, X die Designmatrix und V die Varianzmatrix.
EMS verwendet die gewöhnliche Methode der kleinsten Quadrate zur Berechnung der LS-Mittel-Standardfehler, die die Varianzmatrix V nicht enthalten.
EMS LS bedeutet Standardfehlerformel:
.
Daher geht EMS in seinen Berechnungen grundsätzlich davon aus, dass alle Effekte feststehen.
Ich würde definitiv empfehlen, REML anstelle von EMS zu verwenden.
Ich hoffe das hilft.
Laura
Betreff: EMS vs. REML – warum unterscheiden sich die Standardfehler?Hallo, vielen Dank! Ich werde mich darüber informieren. Können Sie sich einen Grund vorstellen, warum die Verbindungsbuchstabenberichte für beide Methoden identische Ergebnisse liefern? Würde ich ein Programm verwenden, das diese Funktion nicht bietet, würde ich eine solche Zusammenfassung wahrscheinlich selbst direkt aus der Tabelle der Mittelwerte und Standardfehler berechnen – und dann vermutlich andere Ergebnisse erhalten als JMP für die REML-Methode. Ich möchte das daher besser verstehen.
Vielen Dank für die Zeit, die Sie sich dafür genommen haben. Das ist wirklich hilfreich.
