Estoy haciendo un modelo de método mixto para una variable dependiente continua y
Fit Model(
Y(:usg_dev_data),
Effects(:Phase, :level, :experience),
Random Effects(:Subject ID),
NoBounds(1),
Personality("Mixed Model"),
Run(Repeated Effects Covariance Parameter Estimates(0))
)
mientras hago lo mismo en R que
model2 <- lmer(usg_dev_data ~ Fase + nivel + experiencia + (1 | Subject_ID), datos = df)
Obtengo estimaciones de parámetros muy diferentes
de R
Efectos fijos: Estimar Std. Error df t valor Pr(>|t|) (Intercepción) 2,40991 0,60584 42,00000 3,978 0,000269 *** PhaseX 1,80972 0,43405 42,00000 4,169 0,000149 *** PhaseY 2,37500 0,35440 2,00000 6,701 3,89e-08 *** nivelCarrera media -0,13815 0,69689 42,00000 - 0,198 0,843818 nivelSenior -0,07185 0,68069 42,00000 -0,106 0,916436 nivelAprendiz -0,48593 0,57934 42,00000 -0,839 0,406355 experiencia1 0,57938 0,57071 2,00000 1,015 0,315827 experiencia2 0,86185 0,87452 42,00000 0,986 0,330013 experiencia3 1,63852 0,63288 42,00000 2,589 0,013169 *
mientras de JMP
¿No puedo determinar por qué esto es tan diferente?
Hola @generic_user . No soy un experto en R, pero creo. R utiliza el mismo tipo de parametrización que SAS proc glm. Si son ciertas, se verán muy diferentes, pero las hipótesis que se prueban también son diferentes. Por lo tanto, en realidad son equivalentes en términos de predicción, significado, etc. Sin embargo, a primera vista, parecen muy diferentes. En la salida de JMP, busque los parámetros del indicador (menú del triángulo rojo) y eso debe coincidir con su salida de R (suponiendo que R use el mismo orden de factores que JMP). Eche un vistazo a los siguientes enlaces para comprender las diferencias en los resultados y las hipótesis probadas. Y, FWIW, en R también usaste un df diferente para el error, por lo que eso también afectará los valores p, etc. JMP utiliza el método de aproximación de primer orden de Kenward-Roger.
https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#
https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/indicator-parameterization-estimates.shtml
Editar: vea esto también. https://cran.r-project.org/web/packages/SASmixed/vignettes/Usinglmer.pdf
si, gracias.
El parámetro del indicador coincidió con la salida R.
