Wann sollte die Standard-Least-Square-Persönlichkeit mit dem Attribut „random“ anstelle der Mixed-Model-Persönlichkeit verwendet werden?Hallo, ich versuche, ein Modell mit vier festen Effekten zu erstellen: Stamm, Konzentration, deren Wechselwirkung und Tag (da ich nicht genügend Versuchstage habe, um einen Zufallseffekt zu erzeugen). Die Zufallseffekte würden innerhalb der Platte (vorgesehen sind 96-Well-Platten) und innerhalb des Tages verschachtelt repliziert. Ich verstehe, dass ich zwei Möglichkeiten habe, dies in JMP zu modellieren:
1. „Standard Least Square“-Persönlichkeit, die die Zufallseffekte mithilfe von „Attributen“ als zufällig auswählt
2. Persönlichkeit des „gemischten Modells“. Das Problem dabei ist, dass die Ausgabe keine R^2-Werte anzeigt, sodass ich nicht erkennen kann, wie viel der Varianz im Modell durch meine Effekte erklärt wird.
Welches wäre am besten zu verwenden?
Danke schön!
Grundlegende Datenanalyse und -modellierungBetreff: Wann sollte die Standard-Least-Square-Persönlichkeit mit dem Attribut „random“ anstelle der Mixed-Model-Persönlichkeit verwendet werden?Hallo @blip555555
Nach unserer Diskussion zu Ihrem vorherigen Beitrag habe ich mir gerade den Hilfebereich zu gemischten Modellen angesehen. Die Persönlichkeit gemischter Modelle scheint bei komplexen Kovarianzstrukturen hilfreich zu sein.
Wenn Sie keine spezifische Kovarianzstruktur haben ( Einstellungsstruktur = Residuum : keine Kovarianz zwischen Beobachtungen, die Fehler sind also unabhängig), können Sie das Modell entweder mit der Standard-Kleinstquadrat-Persönlichkeit mit Zufallseffekten oder mit der Persönlichkeit des gemischten Modells erstellen und erhalten dieselben Ergebnisse.
Zur Veranschaulichung habe ich es mit dem Datensatz „Maschine“ versucht, und die beiden Modelle sind bei den Plattformen identisch, da die Kovarianzstruktur auf „Residual“ eingestellt ist:
Hoffe, diese Antwort wird Ihnen helfen,
Betreff: Wann sollte die Standard-Least-Square-Persönlichkeit mit dem Attribut „random“ anstelle der Mixed-Model-Persönlichkeit verwendet werden?Lieber Victor,
Ich verstehe. Woher weiß ich, ob meine Fehler unabhängig sind?
Um etwas Hintergrund zu geben: Ich analysiere, wie Antibiotikakonzentration und Bakterienstamm einen Fluoreszenzmarker (Antwortvariable) beeinflussen. Meine festen Effekte sind: Versuchstag (da ich den Versuch nicht an mehr als fünf verschiedenen Tagen durchgeführt habe), Stamm, Konzentration, Stamm*Konzentration. Meine zufälligen Effekte sind: Replikat innerhalb der Platte verschachtelt (unter Berücksichtigung der Variationen technischer Replikate in derselben 96-Well-Platte) und Platte innerhalb des Tages verschachtelt (unter Berücksichtigung der Variationen zwischen Platten am selben Tag). Ich glaube nicht, dass es einen Grund zu der Annahme gibt, dass meine Fehler abhängig sind, nachdem die Variationen zwischen Replikaten und Platten berücksichtigt wurden.
Danke schön!
Betreff: Wann sollte die Standard-Least-Square-Persönlichkeit mit dem Attribut „random“ anstelle der Mixed-Model-Persönlichkeit verwendet werden?Hallo @blip555555
Sie können verschiedene Aspekte überprüfen:
- In der „Zeilendiagnose“ können Sie „Residuen nach vorhergesagtem Diagramm“ und „Residuen nach Zeile“ überprüfen, um einige Annahmen hinter linearen Regressionsmodellen zu überprüfen, bzw. die konstante Varianz der Residuen und die Unabhängigkeit der Beobachtungen (kein bestimmtes Muster in den Residuen beim Betrachten der Residuen im Vergleich zur Zeile).
- Sie können sich auch die „ Kovarianzmatrix der Varianzkomponentenschätzungen “ unter dem REML-Bericht ansehen, um zu überprüfen, ob die Kovarianz zwischen Zufallseffekten relativ niedrig ist.
- Abschließend können Sie die Residuen aus der Analyse in Ihrer Datentabelle speichern und die Korrelationen zwischen Ihren Residuen und den ursprünglichen Faktoren überprüfen. Da das Modell die Abweichungen von Ihren Faktoren erfasst haben sollte, sollten Ihre Residuen nur sehr geringe Korrelationen mit den ursprünglichen Faktoren aufweisen.
Sie können Residuen auch in Kontrolldiagrammen verwenden, um zu beurteilen, ob es möglicherweise seltsame Muster/Werte gibt, und diese möglicherweise mit Faktoren oder bestimmten Bedingungen verknüpfen und/oder langsame Abweichungen in Residuen beurteilen, die verdächtig aussehen könnten (ähnlich wie beim Residuen-Zeilen-Diagramm).
Hoffe, diese Antwort wird Ihnen helfen,
Betreff: Wann sollte die Standard-Least-Square-Persönlichkeit mit dem Attribut „random“ anstelle der Mixed-Model-Persönlichkeit verwendet werden?Lieber Victor,
Vielen Dank für Ihre Antworten und entschuldigen Sie die vielen Fragen. Ich bin noch recht neu bei JMP und statistischer Modellierung im Allgemeinen. Ich habe meine Residuen nach Vorhersagen wie unten angehängt dargestellt und mir auch die Schätzungen der Kovarianzmatrixkomponenten angesehen, die ebenfalls unten angehängt sind. Scheint es, als ob die Standard-Kleinstquadrat-Persönlichkeitstheorie mit Zufallseffekten funktioniert?
Betreff: Wann sollte die Standard-Least-Square-Persönlichkeit mit dem Attribut „random“ anstelle der Mixed-Model-Persönlichkeit verwendet werden?Wenn man sich die Erfassungen ansieht, scheint es tatsächlich zu „funktionieren“, da die Variation der Residuen zufällig erscheint, mit Ausnahme der ersten Erfassung, bei der es eine Art Gruppeneffekt ohne Zwischenwerte zu geben scheint. Dies könnte jedoch das Ergebnis Ihrer Zufalls-/Blockierungseffekte sein.
Fragen stellen kein Problem dar, der Mangel an Informationen in den Antworten kann ein Problem sein. Statistik ist keine „Ja oder Nein“-Situation, sondern ein Maß an Vertrauen (und Risiko) hinsichtlich der Entscheidung, die Sie basierend auf den Informationen und der Angemessenheit Ihrer Modelle treffen möchten. Die Beurteilung dieser Situation ist ohne den entsprechenden Datensatz schwierig, wenn nicht gar unmöglich.
Wenn Sie Daten anonymisiert weitergeben möchten, eignet sich die Option „Daten anonymisieren“ gut.
Hoffe, diese Antwort wird Ihnen helfen,
