differenza nei TEST DI EFFETTO tra le piattaforme di regressione generalizzata e di adattamento dei minimi quadratiUtilizzo JMP Pro 18.2.2 e ho notato che la tabella dei test degli effetti differisce sostanzialmente tra la piattaforma di regressione generalizzata e quella di adattamento dei minimi quadrati (e anche tra tutte le altre piattaforme in JMP) quando è presente un termine di interazione. Questo vale anche quando il design è perfettamente bilanciato. La piattaforma di regressione generalizzata genera somme dei quadrati che dipendono dalla parametrizzazione dei fattori. Se l'ordine dei livelli cambia, cambia anche la tabella dei test degli effetti. Ho illustrato il problema nel file JSL allegato. adattamento dei minimi quadrati genera le stesse tabelle di adattamento dei minimi quadrati di SAS e di altri software statistici comuni (ad esempio Stata, SPSS ecc.), ma la piattaforma di regressione generalizzata produce le stesse tabelle di adattamento dei minimi quadrati di R utilizzando il pacchetto car e LM tipo III SS con parametrizzazione degli effetti predefinita.
Si noti che non si tratta di una differenza di poco conto e che le conclusioni sugli effetti principali possono cambiare.
Esiste qualche documentazione o white paper di SAS che possa spiegare questo?
si prega di consultare il file JSL allegato che illustra le mie preoccupazioni relative all'utilizzo del set di dati popcorn JMP.
Analisi e modellazione dei dati di baseProgettazione degli esperimentiRe: differenza nei TEST DI EFFETTO tra le piattaforme di regressione generalizzata e di adattamento dei minimi quadratiCiao @GUhartel ,
Benvenuti nella Community!
Le differenze che si possono osservare tra le due piattaforme di modellazione sono legate al modo in cui queste piattaforme codificano in modo diverso le variabili nominali (categoriali): fattori nominali e dettagli statistici per la codifica degli effetti nominali
In sintesi, le stime di un effetto categoriale sono diverse, perché la codifica della variabile nominale è diversa, quindi le stime rappresentano ipotesi diverse. Per quanto ne so delle differenze tra queste due codifiche degli effetti nominali, direi che se si prevede di valutare i livelli di un fattore nominale confrontando ciascun livello con un livello specifico, allora la codifica nominale della regressione generalizzata potrebbe essere più appropriata. È possibile utilizzare la proprietà di colonna "Ordine dei valori" per specificare l'ordine necessario affinché si adatti al disegno dello studio. L'ultimo livello del fattore verrà utilizzato per il confronto con tutti gli altri livelli.
Ma quando si vuole sapere in che modo ciascun livello può influenzare la risposta media calcolata su tutti i livelli, allora la piattaforma Standard Least Squares from Fit Model può rivelarsi più utile.
Puoi leggere le mie precedenti risposte su questi argomenti qui: Come l'analisi DOE gestisce il fattore categoriale nell'analisi di regressione e nel test dell'effetto casuale
Spero che questa risposta ti sia d'aiuto,
Re: differenza nei TEST DI EFFETTO tra le piattaforme di regressione generalizzata e di adattamento dei minimi quadratiCapisco che le diverse piattaforme codificano le variabili dummy in modo diverso (cfr. http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/11_winter_2003.pdf ). Anche SAS GLM utilizza la parametrizzazione degli indicatori, tuttavia questo non influisce sulle tabelle ANOVA SS di tipo 3, ma solo sulle stime dei parametri, mentre nella piattaforma di regressione generalizzata anche le tabelle ANOVA vengono modificate. Questo potrebbe sorprendere alcuni. Potrebbe essere utile inserire un avviso.
