modelo mixto de efectos aleatoriosHola,
Estoy creando un modelo de diseño de experimentos (DoE). Sin embargo, observo que el R² del ajuste del modelo no es bueno. Esto podría deberse a que la secuencia analítica de las mediciones de las muestras afecta a los datos medidos. He añadido la "Secuencia analítica - Serie" como factor de efecto aleatorio en el modelo. Veo que el porcentaje de este factor es bastante alto en el modelo. En otros modelos, es menor. ¿A partir de qué valor deberíamos empezar a considerar el efecto aleatorio como un factor principal en el modelo?
JMP indica que el R² de Press no se calculará para el modelo mixto. No he podido encontrar información sobre el motivo.
Agrego a @martindemel porque comenté con él uno de los modelos. Ahora he recibido más preguntas sobre este tema.
Gracias.
Atentamente,
Chethana
Análisis y modelado de datos básicosDiseño de experimentosRe: Modelo mixto de efectos aleatoriosHola @Coverbird30 : La respuesta a tu primera pregunta, "¿A partir de qué valor deberíamos empezar a considerar el efecto aleatorio como un factor principal en el modelo?", es... depende. ¿Podrías darnos más detalles sobre tus datos, cómo se recopilaron, los objetivos, etc.?
Tu segunda pregunta se refiere al R² predicho y su indisponibilidad para modelos mixtos (si tu método es REML). Los residuos de validación cruzada dejando uno fuera (y, por lo tanto, el R² predicho) se calculan a partir de los elementos diagonales de la matriz Hat mediante mínimos cuadrados. Si no se utilizan mínimos cuadrados (ni EMS para los componentes de varianza) en favor de REML, entonces no existe la matriz Hat... y, por consiguiente, no se utiliza Press, etc.
Más información sobre la matriz Hat a continuación.
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: Modelo mixto de efectos aleatoriosHola @Coverbird30 ,
Para aclarar, ¿pregunta en qué porcentaje del total desea incluir su factor como efecto fijo en su modelo? ¿O pregunta en qué porcentaje del total se debe considerar que el efecto aleatorio es significativo?
En el primer caso, la decisión de modelar un efecto como aleatorio o fijo depende en gran medida del contexto. En el segundo caso, no existe un valor formal que responda a esta pregunta.
Re: Modelo mixto de efectos aleatoriosHola @Coverbird30 ,
¿A qué te refieres con " En otros modelos, son menores" al hablar de los efectos aleatorios? ¿Podrías proporcionar el conjunto de datos para analizarlo con más detalle? El porcentaje total siempre suma 100%, por lo que no siempre es un buen indicador. El valor p de Wald es un buen indicador de si el efecto aleatorio es significativo (lo cual no parece ser el caso), aunque sí existe una diferencia considerable entre el porcentaje asociado al efecto aleatorio de la serie y el residual.
Una cosa que puedes hacer es comparar un modelo de efectos fijos con un modelo de efectos aleatorios comparando las puntuaciones BIC/AIC para ver cuál se ajusta mejor.
También consideraría si se puede atribuir la "Serie" a la pieza, al analista o al sistema de medición, ya que esto permitirá realizar más pruebas con el análisis del sistema de medición y atribuir los verdaderos efectos aleatorios presentes en el estudio.
Gracias,
Ben
Re: Modelo mixto de efectos aleatoriosDisculpa, me confunden un poco algunos de tus términos y tu situación. ¿Estás realizando una investigación explicativa o un modelo predictivo? ¿A qué te refieres con "Estoy creando un modelo DOE"? ¿Te refieres a que estás creando un modelo usando datos de un experimento? Porque si estás realizando un experimento, ya deberías tener un modelo hipotético en mente. Así es como se determina qué experimentos se deben realizar. El R² es solo una de las muchas estadísticas que se utilizan para refinar el modelo. La estadística más importante es la diferencia entre el R² y el R² ajustado. Esto permitirá detectar si el modelo está sobreespecificado (por ejemplo, si incluye términos no significativos).
¿Tiene problemas con el sistema de medición o cambia su unidad experimental con el tiempo? Esto me lleva de nuevo a mi primera pregunta. Si está desarrollando un modelo explicativo, incluir el efecto aleatorio en el modelo puede ser útil. Es mucho menos útil para modelos predictivos.
