Quando utilizzare la personalità Standard Least Square usando l'attributo 'random' invece della personalità Mixed Model?Ciao, sto cercando di creare un modello con quattro effetti fissi: deformazione, concentrazione, la loro interazione, giorno (perché non ho abbastanza giorni sperimentali per renderlo un effetto casuale). Gli effetti casuali verrebbero replicati annidati all'interno della piastra (ovvero piastre a 96 pozzetti) e la piastra annidata all'interno del giorno. Ho capito che ho due opzioni per modellarlo in JMP:
1. Personalità 'Minimo quadrato standard' che seleziona gli effetti casuali come casuali utilizzando 'attributi'
2. Personalità "Modello misto": il problema è che l'output non mostra i valori R^2, quindi non sono in grado di vedere quanta della varianza nel modello è spiegata dai miei effetti.
Quale sarebbe meglio usare?
Grazie!
Analisi e modellazione dei dati di baseR: Quando utilizzare la personalità Standard Least Square usando l'attributo 'random' invece della personalità Mixed Model?Ciao @blip555555
In seguito alla nostra discussione sul tuo post precedente, ho appena dato un'occhiata alla sezione Aiuto relativa ai Modelli Misti . La personalità del Modello Misto sembra essere utile in presenza di strutture di covarianza complesse.
Se non si dispone di una struttura di covarianza specifica ( struttura di impostazione = Residuo : nessuna covarianza tra le osservazioni, quindi gli errori sono indipendenti), è possibile costruire il modello con la personalità Standard Least Square con effetti casuali o con la personalità Mixed Model e si otterranno gli stessi risultati.
A titolo esemplificativo, ho provato con il set di dati "Machine" e i due modelli sono identici con le piattaforme, poiché la struttura di covarianza è impostata su "Residual":
Spero che questa risposta ti sia d'aiuto,
R: Quando utilizzare la personalità Standard Least Square usando l'attributo 'random' invece della personalità Mixed Model?Caro Victor,
Capisco. Come faccio a sapere se i miei errori sono indipendenti?
Per fornire un contesto, sto analizzando come la concentrazione di antibiotico e il ceppo batterico influenzino un marcatore di fluorescenza (variabile di risposta). I miei effetti fissi sono: giorno sperimentale (perché non ho condotto l'esperimento in più di 5 giorni diversi), ceppo, concentrazione, ceppo*concentrazione. I miei effetti casuali sono: replica annidata all'interno della piastra (considerare la variazione nelle repliche tecniche nella stessa piastra a 96 pozzetti) e piastra annidata all'interno del giorno (considerare la variazione tra piastre nello stesso giorno). Non credo ci sia motivo di credere che i miei errori siano dipendenti dopo aver considerato la variazione tra repliche e piastre.
Grazie!
R: Quando utilizzare la personalità Standard Least Square usando l'attributo 'random' invece della personalità Mixed Model?Ciao @blip555555
Potresti controllare diversi aspetti:
- In "Diagnostica per riga", è possibile controllare "Residuo per grafico previsto" e "Residuo per riga" per verificare alcune ipotesi alla base dei modelli di regressione lineare , rispettivamente la varianza costante dei residui e l'indipendenza delle osservazioni (nessun modello specifico nei residui quando si esaminano i residui rispetto alla riga).
- È anche possibile consultare la " Matrice di covarianza delle stime dei componenti della varianza " nel report REML per verificare se la covarianza tra gli effetti casuali è relativamente bassa.
- Infine, potresti anche salvare i residui dell'analisi nella tua tabella dati e verificare le correlazioni tra i residui e i fattori originali. Poiché il modello dovrebbe aver catturato la variazione dei tuoi fattori, i tuoi residui dovrebbero avere correlazioni molto basse con i fattori originali.
È anche possibile utilizzare i residui nei grafici di controllo per valutare se potrebbero esserci modelli/valori strani ed eventualmente collegarli a fattori o condizioni specifiche e/o valutare alcune lente derive nei residui che potrebbero sembrare sospette (simili al grafico residuo vs. riga).
Spero che questa risposta ti sia d'aiuto,
R: Quando utilizzare la personalità Standard Least Square usando l'attributo 'random' invece della personalità Mixed Model?Caro Victor,
Grazie mille per le risposte e scusate per la quantità di domande, sono molto nuovo di JMP e della modellazione statistica in generale. Ho tracciato i miei residui in base al valore previsto come allegato di seguito e ho anche dato un'occhiata alle stime dei componenti della matrice di covarianza, anch'esse allegate di seguito. Sembra che la personalità standard dei minimi quadrati con effetti casuali funzioni?
R: Quando utilizzare la personalità Standard Least Square usando l'attributo 'random' invece della personalità Mixed Model?Guardando le acquisizioni, sì, sembra "funzionare", dato che la variazione dei residui sembra casuale, tranne che nella prima acquisizione, dove sembra esserci una sorta di effetto di gruppo senza valori intermedi. Ma questo potrebbe essere il risultato dei tuoi effetti casuali/bloccanti.
Le domande non sono un problema, la mancanza di informazioni nelle risposte potrebbe esserlo. La statistica non è una questione di "sì o no", ma un grado di fiducia (e di rischio) nella decisione che si desidera prendere in base alle informazioni e all'adeguatezza dei modelli. Valutare questa situazione è difficile, se non impossibile, senza il set di dati per esplorarla.
Se si desidera condividere i dati in modo anonimo, l'opzione Anonimizza dati è la soluzione ideale.
Spero che questa risposta ti sia d'aiuto,
