Unterschied in den EFFEKTTESTS zwischen den Plattformen Generalisierte Regression und Fit Least SquaresIch verwende JMP Pro 18.2.2 und habe festgestellt, dass sich die Effekttesttabelle zwischen der Plattform für verallgemeinerte Regression und „Fit Least Squares“ (sowie allen anderen Plattformen in JMP) erheblich unterscheidet, wenn ein Interaktionsterm vorhanden ist. Dies gilt auch bei einem perfekt ausbalancierten Design. Die Plattform für verallgemeinerte Regression generiert Summen der Quadrate, die von der Parametrisierung der Faktoren abhängen. Wenn sich die Reihenfolge der Ebenen ändert, ändert sich auch die Effekttesttabelle. Ich habe das Problem in der beigefügten JSL-Datei veranschaulicht. „Fit Least Squares“ generiert dieselben SS-Tabellen wie SAS und andere gängige Statistiksoftware (z. B. Stata, SPSS usw.), aber die Plattform für verallgemeinerte Regression erstellt dieselben SS-Tabellen wie R unter Verwendung des CAR-Pakets und LM Typ III SS mit standardmäßiger Effektparametrisierung.
Beachten Sie, dass es sich hierbei nicht um einen geringfügigen Unterschied handelt und sich die Schlussfolgerungen hinsichtlich der Haupteffekte ändern können.
Gibt es Dokumentationen oder Whitepaper von SAS, die dies erklären?
Bitte sehen Sie sich die angehängte JSL-Datei an, die meine Bedenken anhand des JMP-Popcorn-Datensatzes veranschaulicht.
Grundlegende Datenanalyse und -modellierungVersuchsplanungBetreff: Unterschied in den EFFEKTTESTS zwischen den Plattformen „Generalisierte Regression“ und „Fit Least Squares“Hallo @GUhartel ,
Willkommen in der Community!
Die Unterschiede zwischen den beiden Modellierungsplattformen hängen mit der unterschiedlichen Kodierung nominaler (kategorialer) Variablen zusammen: Nominale Faktoren und statistische Details zur Kodierung nominaler Effekte
Zusammenfassend lässt sich sagen, dass die Schätzungen eines kategorialen Effekts unterschiedlich sind, da die Kodierung der nominalen Variable unterschiedlich ist und die Schätzungen somit unterschiedliche Hypothesen repräsentieren. Soweit ich die Unterschiede zwischen diesen beiden Kodierungen nominaler Effekte verstehe, würde ich sagen, dass die nominale Kodierung aus der generalisierten Regression möglicherweise besser geeignet ist, wenn Sie die Ausprägungen eines nominalen Faktors durch Vergleich jeder Ausprägung mit einer bestimmten Ausprägung bewerten möchten. Sie können die Spalteneigenschaft „Wertereihenfolge“ verwenden, um die benötigte Reihenfolge an Ihr Studiendesign anzupassen. Die letzte Ausprägung des Faktors wird für den Vergleich mit allen anderen Ausprägungen verwendet.
Wenn Sie jedoch wissen möchten, wie sich die einzelnen Ebenen auf die auf allen Ebenen berechnete durchschnittliche Antwort auswirken, sind die Standard-Kleinstquadrate der Fit-Model-Plattform möglicherweise nützlicher.
Meine bisherigen Antworten zu diesen Themen können Sie hier lesen: Wie DOE-Analysen mit kategorialen Faktoren in Regressionsanalysen und Zufallseffekttests umgehen
Hoffe, diese Antwort wird Ihnen helfen,
Betreff: Unterschied in den EFFEKTTESTS zwischen den Plattformen „Generalisierte Regression“ und „Fit Least Squares“Ich verstehe, dass die verschiedenen Plattformen Dummy-Variablen unterschiedlich kodieren (vgl. http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/11_winter_2003.pdf ). SAS GLM verwendet ebenfalls die Indikatorparametrisierung, dies betrifft jedoch nicht die SS-Anova-Tabellen vom Typ 3, sondern nur die Parameterschätzungen, während in der Plattform für verallgemeinerte Regression auch die Anova-Tabellen geändert werden. Dies mag für manche überraschend sein. Es könnte sinnvoll sein, eine Warnung auszugeben.
