Esta presentación técnica fue impartida por Elizabeth Claassen, desarrolladora estadística de JMP y coautora de JMP para modelos mixtos . Se utilizaron datos del libro en la presentación, los cuales están disponibles para su descarga y uso. El video tiene una duración de más de 90 minutos e incluye preguntas intercaladas.
Los modelos mixtos son una de las formas más eficaces de manejar observaciones correlacionadas en experimentos diseñados. A menudo se les conoce con otros nombres, como modelos de bloqueo, modelos de componentes de varianza, diseños anidados y de parcelas divididas, modelos lineales jerárquicos, modelos multinivel, modelos bayesianos empíricos, modelos de medidas repetidas, modelos de estructura de covarianza y modelos de coeficientes aleatorios.
Los modelos mixtos, que van mucho más allá de los modelos lineales estándar, permiten realizar inferencias precisas y exactas sobre los datos y comprender mejor las fuentes de señal y ruido en el sistema estudiado. Los efectos fijos y aleatorios bien definidos se generalizan eficazmente y ayudan a tomar las mejores decisiones basadas en datos.
- Aprenda la lógica y las técnicas que sustentan las capacidades de modelos mixtos de JMP, vea cuándo y cómo utilizar modelos mixtos, aprenda a reconocer, configurar e interpretar efectos fijos y aleatorios, y vea cómo extender el análisis de varianza (ANOVA) y la regresión lineal a numerosos diseños de modelos mixtos.
- Aprenda a comprender y utilizar los grados de libertad: analice diseños de bloques aleatorios, diseños de parcelas divididas y modelos de coeficientes aleatorios; y aborde los dilemas modernos relacionados con los métodos bayesianos y los valores p.
- Definiciones
- Los efectos fijos son factores/niveles exactos y se desea realizar inferencias para una observación futura a partir de esos niveles exactos.
- Los efectos aleatorios se dan cuando los niveles son una muestra de una población más grande, y se desea hacer inferencias sobre la población más grande y no solo sobre esos niveles específicos, y/o cuando se está principalmente interesado en explicar la variabilidad que proviene de ese efecto en lugar de, por ejemplo, comparaciones por pares.
- Los modelos mixtos incorporan efectos aleatorios y fijos.
- Los modelos mixtos son útiles para manejar efectos aleatorios y, con un modelo mixto, podríamos obtener resultados posiblemente diferentes para las estimaciones, los intervalos de confianza y las comparaciones por pares en comparación con un modelo de efectos fijos únicamente.
- Las medias de mínimos cuadrados (LSMeans) no son necesariamente las medias aritméticas. Los datos faltantes o el desequilibrio requieren REML para estimar mejor las LSMeans.
- En caso de datos faltantes o desequilibrio, las comparaciones por pares para los demás efectos fijos también se ven afectadas por la decisión de modelar un efecto como aleatorio.
- No te fíes únicamente del valor p; recuerda que p=0,049 y p=0,050 son básicamente lo mismo.
Se incluye una sección de preguntas y respuestas a lo largo del texto. Algunas de las preguntas que surgieron fueron:
- ¿Qué implica el valor p de Wald en esa tabla ANOVA de datos de Bond? El estadístico de prueba de Wald se utiliza para calcular el valor p (a diferencia de, por ejemplo, el estadístico F). Mostramos el estadístico de prueba de Wald, pero normalmente no lo usamos para evaluar el
- Para este ejemplo de bloque, ¿no estás describiendo una situación anidada? Este comportamiento ocurriría en modelos anidados, pero este no es un ejemplo anidado, ya que el tratamiento no es exclusivo del bloque.
-
¿Podrías dar un ejemplo de diseños de bloques tan incompletos? ¿Dónde se presentan en la práctica? Esto puede ocurrir cuando hay una gran cantidad de datos faltantes en un bloque debido a la pérdida de datos o al procesamiento. Por ejemplo, cuando se tienen muchos tipos diferentes de equipos de procesamiento y algo falla, causando valores faltantes para uno de ellos; en lugares donde hay desequilibrio; o en estudios con personas donde se toman muestras de diferentes grupos y distintos niveles de pérdida de datos. Otro ejemplo es una prueba de sabor donde algunas personas prueban ciertos alimentos y otras, otros.
Learn how to determine Fixed and Random blocks/effectsAprende a determinar los bloques/efectos fijos y aleatorios.Aprende a determinar los bloques/efectos fijos y aleatorios.
Recursos:
