Modello misto ad effetto casualeCiao,
Sto sviluppando un modello DoE. Tuttavia, noto che l'R2 per il mio modello non è buono. Ciò potrebbe essere dovuto alla sequenza analitica delle misurazioni del campione che influenza i dati misurati. Ho aggiunto "Sequenza analitica - Serie" come fattore di effetto casuale nel modello. Noto che la percentuale di questo fattore è piuttosto elevata nel modello. In altri modelli, è inferiore. A partire da quale valore dovremmo iniziare a considerare l'effetto casuale come fattore principale nel modello?
JMP avvisa che il parametro Press R2 non verrà calcolato per il modello misto. Non sono riuscito a trovare informazioni sul perché ciò accada.
Aggiungo @martindemel perché avevo discusso con lui di uno dei modelli. Ora ho ricevuto altre domande su questo argomento.
Grazie.
Cordiali saluti,
Chethana
Analisi e modellazione dei dati di baseProgettazione degli esperimentiRe: Modello misto ad effetto casualeCiao @Coverbird30 : La risposta alla tua prima domanda "A quale valore dovremmo iniziare a considerare l'effetto casuale come fattore principale nel modello?" è... dipende. Puoi fornirci maggiori dettagli su quali sono esattamente i tuoi dati, come sono stati raccolti, gli obiettivi, ecc.
La sua seconda domanda riguarda l'R^2 previsto e la sua mancata disponibilità per i modelli misti (se il suo "Metodo" è REML); i residui leave-one-out (e quindi l'R^2 previsto) vengono calcolati dagli elementi diagonali della matrice Hat tramite i minimi quadrati. Se i minimi quadrati (e l'EMS per le componenti di varianza) non vengono utilizzati a favore di REML, allora non esiste alcuna matrice Hat... e quindi nessuna Press ecc.
Di seguito maggiori informazioni sulla matrice Hat.
https://stats.stackexchange.com/questions/410443/how-to-use-press-statistic-for-model-selection
https://en.wikipedia.org/wiki/Projection_matrix#Ordinary_least_squares
https://math.stackexchange.com/questions/3895869/standardized-residuals
Re: Modello misto ad effetto casualeCiao @Coverbird30 ,
Per chiarire, stai chiedendo a quale "percentuale del totale" vuoi includere il tuo fattore come effetto fisso nel tuo modello? O a quale "percentuale del totale" l'effetto casuale dovrebbe essere considerato un effetto casuale significativo?
Nel primo caso, la decisione di modellare un effetto come casuale o fisso dipende in realtà dal contesto. Nel secondo caso, non esiste alcun valore formale che risponda a questa domanda.
Re: Modello misto ad effetto casualeCiao @Coverbird30 ,
Cosa intendi con " In altri modelli, sono inferiori" quando parli di effetti casuali? Potresti fornire il set di dati per un'analisi più approfondita? Il totale percentuale darà sempre il 100%, quindi non è sempre un buon indicatore. Il p-value di Wald è un buon indicatore della significatività dell'effetto casuale (che non sembra esserlo), sebbene ci sia una notevole differenza tra la percentuale associata all'effetto casuale della serie e il residuo.
Una cosa che puoi fare è confrontare un modello a effetto fisso e uno a effetto casuale confrontando i punteggi BIC/AIC per vedere quale sia più appropriato.
Vorrei anche valutare se è possibile attribuire ulteriormente la "Serie" alla parte, all'analista o al sistema di misurazione, poiché ciò consentirà di effettuare più test con l'analisi del sistema di misurazione e di attribuire i veri effetti casuali presenti nel tuo studio.
Grazie,
Ben
Re: Modello misto ad effetto casualeMi scusi, sono un po' confuso da alcuni termini e dalla sua situazione. Sta conducendo un'indagine esplicativa o una modellazione predittiva? Cosa intende con "Sto costruendo un modello DOE"? Intende dire che sta costruendo un modello utilizzando i dati di un esperimento? Perché, se sta conducendo un esperimento, dovrebbe avere già in mente un modello ipotizzato. È così che si determina quali esperimenti devono essere eseguiti. R^2 è solo una delle tante statistiche utilizzate per aiutare a perfezionare il modello. La statistica più importante è il delta tra R^2 e R^2 corretto. Questo fornirà indicazioni su come specificare eccessivamente il modello (ad esempio, includendo termini insignificanti nel modello).
Hai problemi con il sistema di misurazione o la tua unità sperimentale cambia nel tempo? Torniamo alla mia prima domanda. Se stai sviluppando un modello esplicativo, avere l'effetto casuale nel modello può essere utile. È molto meno utile per i modelli predittivi.
