일반화 회귀와 적합 최소 제곱 플랫폼 간 효과 검정의 차이저는 JMP Pro 18.2.2를 사용하고 있으며, 상호작용 항이 있을 때 일반화 회귀 플랫폼과 적합 최소 제곱(및 JMP의 다른 모든 플랫폼) 간에 효과 검정 표가 상당히 다르다는 것을 알았습니다. 이는 설계가 완벽하게 균형 잡힌 경우에도 마찬가지입니다. 일반화 회귀 플랫폼은 요인의 매개변수화에 따라 제곱합을 생성합니다. 수준의 순서가 변경되면 효과 검정 표도 변경됩니다. 첨부된 JSL 파일에 이 문제를 설명했습니다. 적합 최소 제곱은 SAS 및 기타 일반적인 통계 소프트웨어(예: Stata, SPSS 등)와 동일한 SS 표를 생성하지만, 일반화 회귀 플랫폼은 car 패키지와 기본 효과 매개변수화가 있는 LM 유형 III SS를 사용하여 R과 동일한 SS 표를 생성합니다.
이는 사소한 차이가 아니며 주요 효과에 대한 결론은 달라질 수 있습니다.
SAS에서 이에 대해 설명하는 문서나 백서가 있나요?
JMP 팝콘 데이터 세트를 사용하여 제가 우려하는 사항을 설명하는 첨부된 JSL 파일을 참조하세요.
기본 데이터 분석 및 모델링실험 설계Re: 일반화 회귀와 적합 최소 제곱 플랫폼 간 효과 검정의 차이안녕하세요 @GUhartel ,
커뮤니티에 오신 것을 환영합니다!
두 모델링 플랫폼 간에 볼 수 있는 차이점은 이러한 플랫폼이 명목(범주형) 변수를 다르게 인코딩하는 방식과 관련이 있습니다. 명목 효과 코딩을 위한 명목 요인 및 통계적 세부 정보
요약하자면, 범주형 효과의 추정치는 명목 변수의 인코딩 방식이 다르기 때문에 서로 다르며, 따라서 추정치는 서로 다른 가설을 나타냅니다. 제가 이해하는 바로는, 이 두 명목 효과 코딩의 차이점을 말씀드리자면, 명목 요인의 수준을 각 수준을 하나의 특정 수준과 비교하여 평가하려는 경우 일반화 회귀 분석의 명목 코딩이 더 적절할 수 있습니다. 열 속성 "값 순서"를 사용하여 연구 설계에 맞게 필요한 순서를 지정할 수 있습니다. 요인의 마지막 수준은 다른 모든 수준과의 비교에 사용됩니다.
하지만 각 수준이 모든 수준에서 계산된 평균 반응에 어떤 영향을 미치는지 알고 싶을 때는 적합 모델 플랫폼의 표준 최소 제곱법이 더 유용할 수 있습니다.
이 주제에 대한 이전 답변은 여기에서 읽을 수 있습니다: DOE 분석이 회귀 분석 및 임의 효과 검정 에서 범주형 요인을 처리하는 방법
이 답변이 도움이 되기를 바랍니다.
Re: 일반화 회귀와 적합 최소 제곱 플랫폼 간 효과 검정의 차이플랫폼마다 더미 변수를 다르게 인코딩한다는 것을 알고 있습니다( http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/11_winter_2003.pdf 참조). SAS GLM도 지표 매개변수화를 사용하지만, 이는 유형 3 SS 분산 분석표에는 영향을 미치지 않고 매개변수 추정치에만 영향을 미칩니다. 반면 일반화 회귀 플랫폼에서는 분산 분석표도 변경됩니다. 이 점이 놀라울 수도 있습니다. 경고를 하는 것이 좋을 것 같습니다.
