Einzelne Konfidenzintervalle für gemischte ModelleHallo Team,
Mein Kunde müsste die Gleichungen hinter den einzelnen Konfidenzintervallen (bedingt oder nicht) für gemischte Modelle von JMP berechnen lassen.
Ich habe in der Dokumentation keine Hinweise gefunden.
Wäre es möglich, ihr die Einzelheiten mitzuteilen?
Vielen Dank,
Florenz
Betreff: Individuelle Konfidenzintervalle für gemischte ModelleFlorenz,
Ich habe dieses Papier für die marginalen Vorhersageintervalle (d. h. einzelne CIs) verwendet. https://doi.org/10.1002/sim.8386
In diesem Dokument wird darauf hingewiesen, dass JMP zuvor die falschen Freiheitsgrade für seine PIs in SLS-REML verwendet hat. Ich habe SLS-REML korrigiert und marginale PIs in Mixed implementiert.
Bedingte PIs wurden in Mixed nicht implementiert, da ich nicht sicher bin, was das bedeutet (eine bedingte Schätzung ist bereits eine Vorhersage, BLUP, was ist also eine Vorhersage einer Vorhersage??). Es wurde in SLS-REML so belassen, wie es ist. Ich weiß nicht, welche Formel verwendet wurde. Sie sind wahrscheinlich „vernünftig“, aber vielleicht nicht ganz korrekt.
Ich hoffe, das hilft!
-Elisabeth
Betreff: Individuelle Konfidenzintervalle für gemischte Modelle@eclaassen Ich bin jetzt verwirrt. Im PROC MIXED-Dokument für MODEL / OUTP= gibt es eine allgemeine Gleichung für die Vorhersagevarianz. Könnte diese verwendet werden, um bedingte PIs in JMP zu konstruieren?
Betreff: Individuelle Konfidenzintervalle für gemischte ModelleRuss,
PROC MIXED führt keine Vorhersageintervalle durch (d. h. für eine neue Beobachtung). OUTP gibt BLUPs (nur die üblichen bedingten Vorhersagen mit Intervallen). OUTPM gibt marginale Vorhersagen mit Intervallen. Keines davon sind die im Artikel besprochenen und jetzt in SLS-REML oder unserem Mixed implementierten Vorhersageintervalle. Der Artikel bespricht ein marginales Vorhersageintervall – eine neue Beobachtung ohne zugehörige Blockinformationen. Ich weiß nicht einmal, was ein bedingtes Vorhersageintervall sein soll – eine neue Beobachtung einschließlich eines neuen Blocks? Was genau doppelt vorhersagen? SLS-REML hat eine Option für bedingte Vorhersageintervalle, d. h. Vorhersagen über einen bloßen BLUP hinaus. Ist es mathematisch korrekt im Standardfehler und dfs? Ich weiß es nicht und ich bezweifle es, da die marginalen Indiv-CIs die falschen DFs hatten, obwohl der Standardfehler vor meiner Korrektur vor ein paar Versionen größtenteils korrekt war.
PROC MIXED OUTP == JMP Bedingte Vorhersagen (und Intervalle), die üblichen BLUPs
PROC MIXED OUTPM == JMP Randvorhersagen (und Intervalle)
Es herrscht große Verwirrung, weil „Vorhersage“ auf unterschiedliche Weise verwendet wird. JMP bezeichnet Vorhersageintervalle als Indiv CIs, was ein Conditional Indiv CI in SLS-REML beinhaltet. Aber dank BLUP betrachten wir bedingte Mittelwertschätzungen als Vorhersagen. Was ist also ein Vorhersageintervall einer bedingten Vorhersage?
Betreff: Individuelle Konfidenzintervalle für gemischte ModelleSoweit ich weiß, werden die OUTP-Vorhersagegrenzen als Punktvorhersage +/- ein df-angepasster kritischer Wert x Vorhersagestandardfehler berechnet. Eine neue Beobachtung würde das Hinzufügen einer neuen Realisierung eines unabhängigen zufälligen Restfehlers mit Nullmittelwert erfordern, und die Vorhersagevarianz würde additiv erhöht, sodass die Grenzen anscheinend einfach entsprechend erweitert werden könnten.
Der Aufbau lässt sich mithilfe einer Simulation überprüfen, ob die Grenzwerte sowohl für die BLUPs als auch für die Vorhersagen neuer Beobachtungen wie angegeben eingehalten werden.
Ich denke, dass der individuelle Vorhersagefall oft wichtig ist und die Berechnung dieser Grenzen für Kunden wertvoll wäre. Die Terminologie ist verwirrend, aber wir sollten in der Lage sein, etwas Vernünftiges herauszufinden.
