Estimaciones de parámetros puestas a ceroEstoy tratando de analizar uno de mis experimentos que se creó y tengo problemas para comprender las estimaciones de los parámetros.
Dependiendo de las interacciones que elija analizar (elegí solo interacciones de hasta 2 vías, ya que se trata de un diseño factorial fraccionado), las estimaciones de los parámetros dicen inestable, cero y, en algunos otros casos, vacías. Espero obtener alguna aclaración sobre por qué surge esto y qué significa.
He incluido una captura de pantalla a continuación.
Actualmente estoy usando JMP 17 en Windows
Análisis y modelado de datos básicosExploración y visualización de datosDiseño de experimentosRe: Estimaciones de parámetros puestas a ceroHola @MedianPuppy4982 ,
Le sugiero que lea la sección de ayuda de JMP vinculada a su problema: Modelos con dependencias lineales entre términos modelo (jmp.com)
Tu pregunta es muy frecuente en el foro. Puedes consultar las publicaciones respondidas anteriormente:
LostDF para Anova bidireccional
Recibo mensajes de estimación de parámetros de DF perdidos, sesgados y puestos a cero, ¿qué significan?
Básicamente, debe verificar el panel "Singularidad", verá qué tan vinculados/correlacionados pueden estar algunos de los términos en su modelo.
- Si algunos términos están completamente correlacionados (confundidos), entonces JMP no puede diferenciarlos y usarlos de forma independiente en el modelo, lo que genera un resultado "reducido a cero".
- Si algunos términos están correlacionados entre sí, entonces sus estimaciones están sesgadas ya que no son independientes. Este fenómeno se denomina multicolinealidad y da como resultado estimaciones sesgadas e intervalos de confianza inflados.
- Finalmente, es posible que también haya introducido más términos que el número de observaciones/experimentos únicos disponibles, por lo que esto podría crear una correlación lineal entre algunos términos que los haga imposibles de estimar de forma independiente ("cero" o vacíos) o difíciles de estimar de forma independiente ( "Sesgado").
Espero que esta respuesta te ayude,
EDITAR: Para términos "inestables", consulte las estimaciones y las desviaciones estándar. Faltan datos para estimar con precisión esos términos (y tantos términos), lo que genera una variación muy grande. Intente perfeccionar su modelo o pruebe otros modelos (más simples).
Re: Estimaciones de parámetros puestas a ceroEmpezaré, pero espero que alguien con mejores conocimientos estadísticos pueda decir exactamente qué se entiende por "inestable". Con frecuencia veo resultados como este en los modelos, especialmente con una serie de variables nominales y con interacciones. Creo que el problema es que muchas de las combinaciones son en gran medida redundantes (y totalmente redundantes en los casos del predictor puesto a cero). Intuitivamente, las combinaciones son lo suficientemente raras como para que las otras variables en el modelo hagan que esas combinaciones sean innecesarias; en realidad no agregan nada al poder predictivo del modelo (ver también los valores de p muy grandes). Sin embargo, nunca he entendido exactamente qué se entiende por "inestable" en un sentido matemático.
Re: Estimaciones de parámetros puestas a cero@Victor_G ¡Muchas gracias por tu respuesta!
De hecho, quería hacer un seguimiento sobre el panel de singularidad. Estuve mirando otra publicación y algunas tienen respuestas que dicen que los detalles de singularidad no se mostrarán a menos que agregue modelos que no estén respaldados por los datos. También vi que aparece en los informes Fit Lease Square, pero todos los factores son categóricos, por lo que tuvimos que ejecutar una logística nominal. Sólo quería comprobar que esto implicaría que no vería el panel de singularidad.
¿Hay otra manera de comprobar esta correlación sin ella?
Re: Estimaciones de parámetros puestas a cero@statman
¡Gracias por su respuesta!
Tenía la impresión de que con sólo tres observaciones tendría sólo 2 grados de libertad. Solo para probarlo, aumenté los DF a 3 y el panel de singularidad todavía no apareció ni ninguna medición de VIF.
Re: Estimaciones de parámetros puestas a ceroLo siento, pero no entiendo tu escenario. Los DF son función del número de comparaciones independientes disponibles del conjunto de datos. Es una función de cómo se recopilaron los datos. No puedes simplemente inventar los DF. Los DF disponibles y la forma en que los asigne al modelo afectarán la singularidad.
Re: Estimaciones de parámetros puestas a ceroAquí hay un DOE con 10 grados de libertad:
Podría replicar el diseño, agregando 10 corridas más para duplicar los DF a 20. Sin embargo, solo puedo estimar la pendiente y la intersección.
Si trato de estimar el término cuadrático para X1, obtengo la singularidad porque los datos no permiten estimar este efecto:
Necesita una combinación de suficientes DF y los niveles correctos en la matriz de diseño para respaldar la matriz del modelo para la estimación. El uso del DOE le garantiza que puede estimar todos los términos del modelo especificado. La recopilación de datos ad hoc no ofrece tal garantía.
Re: Estimaciones de parámetros puestas a cero@Mark_Bailey Muchas gracias por la aclaración, fue realmente útil.
