Diferencia en las PRUEBAS DE EFECTO entre las plataformas de regresión generalizada y ajuste de mínimos cuadradosEstoy usando JMP Pro 18.2.2 y he observado que la tabla de pruebas de efectos difiere sustancialmente entre la plataforma de regresión generalizada y Fit Least Squares (así como en todas las demás plataformas de JMP) cuando hay un término de interacción. Esto se mantiene incluso con un diseño perfectamente equilibrado. La plataforma de regresión generalizada genera sumas de cuadrados que dependen de la parametrización de los factores. Si cambia el orden de los niveles, también cambia la tabla de pruebas de efectos. He ilustrado el problema en el archivo JSL adjunto. Fit Least Squares genera las mismas tablas de SS que SAS y otros programas estadísticos comunes (p. ej., Stata, SPSS, etc.), pero la plataforma de regresión generalizada produce las mismas tablas de SS que R utilizando el paquete car y LM tipo III SS con parametrización de efectos predeterminada.
Tenga en cuenta que esta no es una diferencia leve y que las conclusiones sobre los efectos principales pueden cambiar.
¿Existe alguna documentación o documento técnico de SAS que pueda explicar esto?
Consulte el archivo JSL adjunto que ilustra mis inquietudes al utilizar el conjunto de datos de palomitas de maíz JMP.
Análisis y modelado de datos básicosDiseño de experimentosRe: diferencia en las PRUEBAS DE EFECTO entre las plataformas de regresión generalizada y ajuste de mínimos cuadradosHola @GUhartel ,
¡Bienvenido a la comunidad!
Las diferencias que se pueden observar entre las dos plataformas de modelado están relacionadas con la forma en que estas plataformas codifican las variables nominales (categóricas) de manera diferente: Factores nominales y detalles estadísticos para la codificación de efectos nominales
En resumen, las estimaciones de un efecto categórico son diferentes, ya que la codificación de la variable nominal es distinta, por lo que representan hipótesis distintas. Según mi comprensión de las diferencias entre estas dos codificaciones de efectos nominales, diría que si se espera evaluar los niveles de un factor nominal comparando cada nivel con un nivel específico, la codificación nominal de la regresión generalizada podría ser más adecuada. Se puede usar la propiedad de columna "Orden de valores" para especificar el orden necesario que se ajuste al diseño del estudio. El último nivel del factor se utilizará para la comparación con todos los demás niveles.
Pero cuando desea saber cómo cada nivel puede influir en la respuesta promedio calculada en todos los niveles, entonces la plataforma de Mínimos Cuadrados Estándar de Fit Model puede ser más útil.
Puede leer mis respuestas anteriores sobre estos temas aquí: Cómo el análisis DOE maneja el factor categórico en el análisis de regresión y la prueba de efectos aleatorios
Espero que esta respuesta te ayude.
Re: diferencia en las PRUEBAS DE EFECTO entre las plataformas de regresión generalizada y ajuste de mínimos cuadradosEntiendo que las distintas plataformas codifican las variables ficticias de forma diferente (véase http://www.jmp.com/content/dam/jmp/documents/es/newsletters/jmper-cable/11_winter_2003.pdf ). SAS GLM también utiliza la parametrización de indicadores; sin embargo, esto no afecta a las tablas de ANOVA SS de tipo 3, solo a las estimaciones de los parámetros, mientras que en la plataforma de Regresión Generalizada las tablas de ANOVA también se modifican. Esto podría sorprender a algunos, pero conviene incluir una advertencia.
