Stime dei parametri in corso di azzeramentoSto cercando di analizzare uno dei miei esperimenti creato nel e ho qualche difficoltà a comprendere le stime dei parametri.
A seconda delle interazioni che scelgo di analizzare (ho scelto solo interazioni fino a 2 vie poiché si tratta di un disegno fattoriale frazionario), le stime dei parametri dicono instabile, azzerato e in alcuni altri casi vuoto. Spero di fornire qualche chiarimento sul perché questo accade e cosa significa.
Ho incluso uno screenshot qui sotto.
Attualmente sto utilizzando JMP 17 su Windows
Analisi e modellazione dei dati di baseEsplorazione e visualizzazione dei datiProgettazione di esperimentiRi: Stime dei parametri in corso di azzeramentoCiao @MedianPuppy4982 ,
Ti suggerisco di leggere la sezione della Guida di JMP collegata al tuo problema: Modelli con dipendenze lineari tra i termini del modello (jmp.com)
La tua domanda è molto frequente nel forum. Puoi controllare i post con risposta precedente:
LostDF per Anova a 2 vie
Ricevo messaggi di stima dei parametri Lost DF, Biased e Zeroed, cosa significano?
Fondamentalmente, dovresti controllare il pannello "Singolarità", vedrai come potrebbero essere collegati/correlati alcuni termini nel tuo modello.
- Se alcuni termini sono completamente correlati (confusi), JMP non è in grado di differenziarli e di utilizzarli in modo indipendente nel modello, ottenendo un risultato "Zero".
- Se alcuni termini sono correlati tra loro, le loro stime sono distorte poiché non sono indipendenti. Questo fenomeno è chiamato multicollinearità e dà luogo a stime distorte e intervalli di confidenza gonfiati.
- Infine, potresti anche aver introdotto più termini rispetto al numero di osservazioni/esperimenti unici disponibili, quindi ciò potrebbe creare una correlazione lineare tra alcuni termini che li rende impossibili da stimare in modo indipendente ("Zero" o vuoti), o difficile da stimare in modo indipendente ( "Prevenuto").
Spero che questa risposta ti possa aiutare,
EDIT: per i termini "instabili", guarda le stime e le deviazioni standard. Mancano dati per stimare con precisione questi termini (e tanti altri termini), il che si traduce in una varianza molto ampia. Prova a perfezionare il tuo modello o testa altri modelli (più semplici).
Ri: Stime dei parametri in corso di azzeramentoInizierò, ma spero che qualcuno con un background statistico migliore possa dire esattamente cosa si intende per "instabile". Vedo spesso risultati come questo dai modelli, soprattutto con un numero di variabili nominali e con le interazioni. Credo che il problema sia che molte delle combinazioni sono in gran parte ridondanti (e totalmente ridondanti nei casi del predittore azzerato). Intuitivamente, le combinazioni sono abbastanza rare da rendere superflue le altre variabili nel modello: in realtà non aggiungono nulla al potere predittivo del modello (vedi anche i valori p molto grandi). Non ho però mai capito esattamente cosa si intenda per "Instabile" in senso matematico.
Ri: Stime dei parametri in corso di azzeramento@Victor_G Grazie mille per la tua risposta!
In realtà volevo approfondire il pannello della singolarità. Stavo esaminando altri post e alcuni hanno risposte che dicono che i dettagli sulla singolarità non verranno mostrati a meno che non si aggiungano modelli che non sono supportati dai dati. Ho anche visto che appare nei rapporti Fit Lease Square, ma tutti i fattori sono categorici, quindi abbiamo dovuto eseguire una logistica nominale. Volevo solo ricontrollare che ciò implicasse che non avrei visto il pannello della singolarità.
esiste un altro modo per verificare questa correlazione senza di essa?
Ri: Stime dei parametri in corso di azzeramento@statman
Grazie per la vostra risposta!
Avevo l'impressione che con solo tre osservazioni avrei avuto solo 2 gradi di libertà. Giusto per provarlo ho aumentato i DF a 3 e il pannello della singolarità ancora non veniva visualizzato né alcuna misurazione dei VIF.
Ri: Stime dei parametri in corso di azzeramentoMi dispiace, ma non capisco il tuo scenario. I DF sono una funzione del numero di confronti indipendenti disponibili dal set di dati. Dipende dal modo in cui i dati sono stati raccolti. Non puoi semplicemente inventare DF. I DF disponibili e il modo in cui li assegni al modello influiranno sulla singolarità.
Ri: Stime dei parametri in corso di azzeramentoEcco un DOE con 10 gradi di libertà:
Potrei replicare il progetto, aggiungendo altre 10 corse per raddoppiare i DF a 20. Tuttavia, posso solo stimare la pendenza e l'intercettazione.
Se provo a stimare il termine quadratico per X1, ottengo la singolarità perché i dati non supportano la stima di questo effetto:
È necessaria una combinazione di DF sufficienti e i livelli corretti nella matrice di progettazione per supportare la matrice del modello per la stima. L'utilizzo del DOE garantisce la possibilità di stimare tutti i termini nel modello specificato. La raccolta dati ad hoc non offre tale garanzia.
Ri: Stime dei parametri in corso di azzeramento@Mark_Bailey Grazie mille per il chiarimento, è stato davvero utile
