Berechnung des F-Verhältnisses vor der Eingabe gemäß der Combine-RegelBei der schrittweisen Regression unter Verwendung der Kombinationsregel
Können Sie mir bitte erklären, wie das F-Verhältnis für den Kindeffekt (Material B–C) berechnet wird , bevor es in das Modell eingeht ?
In meinen Ergebnissen beträgt dieser Wert F = 0,103779 (wie im Screenshot gezeigt).
Es scheint nicht mit dem F-Verhältnis übereinzustimmen, das dem größeren der beiden in der JMP-Dokumentation genannten p-Werte entsprechen würde –
das heißt, die gemeinsame Wahrscheinlichkeit (Elternteil + Kind) und die bedingte Wahrscheinlichkeit des Kindes bei gegebenem Elternteil ,
was in meinem Fall F = 0,1042 entsprechen würde.
Ich wäre für jede Klarstellung sehr dankbar, wie JMP dieses F-Verhältnis vor dem Eintritt gemäß der Combine-Regel berechnet.
JMP PRO 17.1.0
Grundlegende Datenanalyse und -modellierungBetreff: Berechnung des F-Verhältnisses vor dem Markteintritt gemäß der KombinatsregelHallo @Glücklich : Ich lese gerade den Abschnitt „Kombinieren“ hier:
https://www.jmp.com/support/help/en/19.0/index.shtml#page/jmp/stepwise-regression-control-panel.shtml
„Berechnet p-Werte für zwei separate Tests, wenn die Aufnahme eines Terms mit Präzedenzfällen geprüft wird. Der erste p-Wert, p1, wird berechnet, indem der Term mit seinen Präzedenzfällen gruppiert und die Signifikanzwahrscheinlichkeit der Gruppe für die Aufnahme als gemeinsamer F-Test geprüft wird. Der zweite p-Wert, p2, ergibt sich aus der Prüfung der Signifikanzwahrscheinlichkeit des Terms für die Aufnahme, nachdem die Präzedenzfälle bereits in das Modell aufgenommen wurden. Die endgültige Signifikanzwahrscheinlichkeit für die Aufnahme des Terms mit Präzedenzfällen ist max(p1, p2). In beiden Fällen werden beim Hinzufügen eines Terms mit Präzedenzfällen zum Modell auch die Präzedenzfälle hinzugefügt.“
In Ihrem Fall scheint Folgendes vorzuliegen: Gemäß der obigen Notation ergibt sich p1 = 0,75127. Es handelt sich um den gemeinsamen F-Test.
Sobald der Term im Modell enthalten ist, ist er bedingt durch den anderen Term im Modell. Der p-Wert beträgt 0,75103. Dies entspricht p2 in der obigen Erklärung.
