Inconsistencia del modelo de varianza loglinealHola,
Al utilizar el modelo de varianza loglineal, existe una inconsistencia en el modelo de varianza. Pongo un ejemplo a continuación para explicar la situación.
Construyo 2 modelos usando Varianza Loglineal:
Modelo 1: Respuesta A. Factores A, B, C.
Modelo 2: Respuesta A, B. Factores A, B, C.
Nota: La respuesta A y el factor A,B,C son los mismos datos para el modelo 1 y 2.
Al comparar el modelo 1 con el modelo B, nos centramos en el modelo de media y el modelo de varianza para la respuesta A.
El modelo medio para la respuesta A es exactamente el mismo entre el modelo 1 y el modelo 2 (el fondo verde).
Sin embargo, el modelo de Varianza (o Stdev) para la Respuesta A entre el Modelo 1 y el Modelo 2 (el fondo rojo) es totalmente diferente.
La comparación también se realiza con la misma configuración de Factor y la misma escala.
Parece que con solo agregar otra respuesta al modelo (en este caso agregamos la Respuesta B al modelo con la Respuesta A) el modelo de Varianza se vuelve diferente. Las respuestas A y B son independientes y no deberían afectarse entre sí.
¿Se considera normal esta situación con la varianza loglineal y se puede confiar en ella?
Gracias por aconsejar.
hermano,
cris
Modelado estadístico avanzadoRe: Inconsistencia del modelo de varianza loglinealHola @ChrisLooi ,
Una observación preliminar: aunque sus respuestas puedan medirse individualmente, no son rigurosamente independientes, ya que se puede observar una fuerte correlación entre las dos respuestas:
Luego, eché un vistazo rápido a la tabla de datos proporcionada y noté que le faltan muchos valores para la respuesta B.
¿Algunas filas deberían ser idénticas o tiene un nivel de granularidad/detalle diferente en sus datos entre la respuesta A y B?
Creo que los valores faltantes en B pueden causar el problema que encuentras.
Aquí está el perfilador con las dos respuestas "tal cual" (igual que el que mostraste anteriormente):
Sin embargo, cuando se aplica una técnica de imputación de datos automatizada en la columna "respuesta B" para evitar valores perdidos (y se utiliza esta respuesta B imputada como segunda respuesta), el generador de perfiles muestra un mejor comportamiento para las respuestas A y B (y el generador de perfiles de la respuesta A ahora es idéntico al generador de perfiles cuando la respuesta A es la única respuesta modelizada):
También puede tener Profilers con el mismo comportamiento ocultando y excluyendo filas con valores faltantes para B, para conservar solo para el modelado las filas que tienen información completa para ambas respuestas A y B:
Por lo tanto, es posible que deba realizar una corrección en su tabla de datos, para completar los valores faltantes, imputarlos o excluir filas con información incompleta entre las respuestas A y B. La diferencia de granularidad en sus datos (y los valores faltantes resultantes) podría ser responsable de el cambio que ve en los perfiladores, ya que implica el mismo modelo para ambas respuestas, pero la cantidad limitada de información en la columna B perturba el modelo de varianza (ya que necesita más observación para cada término en el modelo que el modelo medio: Varianza loglineal Modelos)
También puede ajustar las dos respuestas de forma independiente (iniciar la plataforma para una sola respuesta) con un modelo diferente (probablemente un modelo más pequeño para la respuesta B, ya que tiene menos observaciones disponibles para el modelo de varianza).
Se adjunta la tabla de datos y los scripts utilizados.
Re: Inconsistencia del modelo de varianza loglinealHola Víctor,
Gracias por la respuesta.
Adjunto aquí el archivo de datos.
Tenga en cuenta que el modelo se construye utilizando los efectos que se detallan a continuación:
1. Modelo medio utilizando el efecto Superficie de respuesta.
2. Modelo de varianza utilizando efecto Superficie de respuesta + efecto cúbico.
He probado también:
1. Modelo de media utilizando efecto factorial hasta 2 grados.
2. Modelo de Varianza utilizando efecto Factorial hasta 2 grados.
Independientemente, el modelo de varianza sigue siendo diferente.
hermano,
cris
Re: Inconsistencia del modelo de varianza loglinealHola @ChrisLooi ,
Intenté reproducir la situación que tiene con el conjunto de datos de muestra de JMP InyecciónMolding.jmp y creé una nueva columna de respuesta y dos modelos, uno con respuestas de Contracción y otro con respuestas de Contracción y Shuffle[Shrinkage], con los mismos términos en ambos modelos.
No veo diferencias en el generador de perfiles al crear un modelo con una o dos respuestas, usando Loglinear Variance:
¿Tiene los mismos términos en el panel Efectos de variación de la ventana Ajustar modelo?
¿Podría compartir un conjunto de datos anónimos donde podamos reproducir el problema?
¿Qué versión de JMP utilizas?
Re: Inconsistencia del modelo de varianza loglinealHola @ChrisLooi ,
Intenté reproducir la situación que tiene con el conjunto de datos de muestra de JMP InyecciónMolding.jmp y creé una nueva columna de respuesta y dos modelos, uno con respuestas de Contracción y otro con respuestas de Contracción y Shuffle[Shrinkage], con los mismos términos en ambos modelos.
No veo diferencias en el generador de perfiles al crear un modelo con una o dos respuestas, usando Loglinear Variance:
¿Tiene los mismos términos en el panel Efectos de variación de la ventana Ajustar modelo?
¿Podría compartir un conjunto de datos anónimos donde podamos reproducir el problema?
¿Qué versión de JMP utilizas?
Re: Inconsistencia del modelo de varianza loglinealHola Víctor,
Gracias por la respuesta.
Adjunto aquí el archivo de datos.
Tenga en cuenta que el modelo se construye utilizando los efectos que se detallan a continuación:
1. Modelo medio utilizando el efecto Superficie de respuesta.
2. Modelo de varianza utilizando efecto Superficie de respuesta + efecto cúbico.
He probado también:
1. Modelo de media utilizando efecto factorial hasta 2 grados.
2. Modelo de Varianza utilizando efecto Factorial hasta 2 grados.
Independientemente, el modelo de varianza sigue siendo diferente.
hermano,
cris
Re: Inconsistencia del modelo de varianza loglinealHola @ChrisLooi ,
Una observación preliminar: aunque sus respuestas puedan medirse individualmente, no son rigurosamente independientes, ya que se puede observar una fuerte correlación entre las dos respuestas:
Luego, eché un vistazo rápido a la tabla de datos proporcionada y noté que le faltan muchos valores para la respuesta B.
¿Algunas filas deberían ser idénticas o tiene un nivel de granularidad/detalle diferente en sus datos entre la respuesta A y B?
Creo que los valores faltantes en B pueden causar el problema que encuentras.
Aquí está el perfilador con las dos respuestas "tal cual" (igual que el que mostraste anteriormente):
Sin embargo, cuando se aplica una técnica de imputación de datos automatizada en la columna "respuesta B" para evitar valores perdidos (y se utiliza esta respuesta B imputada como segunda respuesta), el generador de perfiles muestra un mejor comportamiento para las respuestas A y B (y el generador de perfiles de la respuesta A ahora es idéntico al generador de perfiles cuando la respuesta A es la única respuesta modelizada):
También puede tener Profilers con el mismo comportamiento ocultando y excluyendo filas con valores faltantes para B, para conservar solo para el modelado las filas que tienen información completa para ambas respuestas A y B:
Por lo tanto, es posible que deba realizar una corrección en su tabla de datos, para completar los valores faltantes, imputarlos o excluir filas con información incompleta entre las respuestas A y B. La diferencia de granularidad en sus datos (y los valores faltantes resultantes) podría ser responsable de el cambio que ves en los perfiladores.
Se adjunta la tabla de datos y los scripts utilizados.
