751701_fr-FR

liliconcom

Les estimations des paramètres sont remises à zéro

J'essaie d'analyser l'une de mes expériences qui a été créée et j'ai du mal à comprendre les estimations des paramètres.

En fonction des interactions que je choisis d'analyser (j'ai choisi jusqu'à 2 interactions car il s'agit d'un plan factoriel fractionnaire), les estimations des paramètres sont soit instables, mises à zéro et dans certains autres cas vides. J'espère obtenir des éclaircissements sur pourquoi cela se produit et ce que cela signifie.

J'ai inclus une capture d'écran ci-dessous.

J'utilise actuellement JMP 17 sous Windows

Analyse et modélisation des données de baseExploration et visualisation des donnéesConception d'expériencesRe : Les estimations de paramètres sont remises à zéro

Salut @MedianPuppy4982 ,

Je vous suggère de lire la section d'aide JMP liée à votre problème : Modèles avec dépendances linéaires parmi les termes du modèle (jmp.com)

Votre question est très fréquente sur le forum. Vous pouvez consulter les messages répondus précédemment :

LostDF pour 2-Way Anova

Je reçois des messages d'estimation de paramètres Lost DF, Biased et Zeroed, que signifient-ils ?

Fondamentalement, vous devriez vérifier le panneau "Singularité", vous verrez à quel point certains termes de votre modèle peuvent être liés/corrélés.

• Si certains termes sont complètement corrélés (confondus), alors JMP n'est pas en mesure de les différencier et de les utiliser indépendamment dans le modèle, ce qui entraîne un résultat « mis à zéro ».
• Si certains termes sont corrélés entre eux, alors leurs estimations sont biaisées car elles ne sont pas indépendantes. Ce phénomène est appelé multicolinéarité, ce qui entraîne des estimations biaisées et des intervalles de confiance gonflés.
• Enfin, vous pouvez également avoir introduit plus de termes que le nombre d'observations/expériences uniques disponibles, ce qui peut créer une corrélation linéaire entre certains termes qui les rend soit impossibles à estimer indépendamment (« mis à zéro » ou vides), soit difficiles à estimer indépendamment ( "Biaisé").

J'espère que cette réponse vous aidera,

EDIT : Pour les termes « Instables », regardez les estimations et les écarts types. Il y a un manque de données pour estimer précisément ces termes (et tant de termes), ce qui entraîne une très grande variance. Essayez d'affiner votre modèle ou testez d'autres modèles (plus simples).

Re : Les estimations de paramètres sont remises à zéro

Je vais commencer, mais j'espère que quelqu'un avec une meilleure expérience en statistique pourra dire exactement ce que l'on entend par « Instable ». Je vois fréquemment des résultats comme celui-ci provenant de modèles, en particulier avec un certain nombre de variables nominales et des interactions. Je pense que le problème est que bon nombre de combinaisons sont largement redondantes (et totalement redondantes dans le cas du prédicteur mis à zéro). Intuitivement, les combinaisons sont suffisamment rares pour que les autres variables du modèle rendent ces combinaisons inutiles - elles n'ajoutent vraiment rien au pouvoir prédictif du modèle (voir également les très grandes valeurs p). Cependant, je n'ai jamais compris précisément ce que l'on entend par « Instable » au sens mathématique.

Re : Les estimations de paramètres sont remises à zéro

@Victor_G Merci beaucoup pour votre réponse !

En fait, je voulais revenir sur le panel sur la singularité. Je parcourais d'autres articles et certains ont des réponses indiquant que les détails de singularité ne seront pas affichés à moins que vous ajoutiez des modèles qui ne sont pas pris en charge par les données. J'ai également vu que cela apparaît dans les rapports Fit Lease Square, mais tous les facteurs sont catégoriques, nous avons donc dû exécuter une logistique nominale. Je voulais juste vérifier que cela impliquerait que je ne verrais pas le panneau de singularité.

existe-t-il un autre moyen de vérifier cette corrélation sans cela ?

Re : Les estimations de paramètres sont remises à zéro

@statman

Merci pour votre réponse!

J'avais l'impression qu'avec seulement trois observations, je n'aurais que 2 degrés de liberté. Juste pour l'essayer, j'ai augmenté les DF à 3 et le panneau de singularité ne s'est toujours pas affiché, ni aucune mesure des VIF.

Re : Les estimations de paramètres sont remises à zéro

Je suis désolé, mais je ne comprends pas votre scénario. Les DF sont fonction du nombre de comparaisons indépendantes disponibles à partir de l'ensemble de données. Cela dépend de la manière dont les données ont été collectées. Vous ne pouvez pas simplement inventer des DF. Les DF disponibles et la manière dont vous les attribuez au modèle auront un impact sur la singularité.

Re : Les estimations de paramètres sont remises à zéro

Voici un DOE à 10 degrés de liberté :

Je pourrais reproduire la conception, en ajoutant 10 exécutions supplémentaires pour doubler les DF à 20. Cependant, je ne peux qu'estimer la pente et l'interception.

Si j'essaie d'estimer le terme quadratique pour X1, j'obtiens la singularité car les données ne permettent pas d'estimer cet effet :

Vous avez besoin d'une combinaison de DF suffisants et de niveaux corrects dans la matrice de conception pour prendre en charge la matrice du modèle pour l'estimation. L'utilisation de DOE vous garantit que vous pouvez estimer tous les termes du modèle spécifié. La collecte de données ponctuelles n’offre pas une telle garantie.

Re : Les estimations de paramètres sont remises à zéro

@Mark_Bailey Merci beaucoup pour la clarification, cela a été vraiment utile