Ich passe ein gemischtes Modell mit Standard Least Squares (REML) an: Y ~ A(Summe) + B(Summe) + C(Summe) + D(Summe) + Subjekt(&Zufällig)
- ~14.000 Beobachtungen, ~200 Stufen des Faktors A, ~60 Stufen des Faktors C, ~120 Probanden
- Äußerst spärliches A×C-Design: ~97 % der Zellen leer (die meisten A-Ebenen kommen nur in einer C-Ebene vor)
Bei der Replikation in Python (statsmodels MixedLM, REML) unterscheiden sich alle 200 LS-Mittelwerte für Faktor A von den JMP-Ergebnissen durch einen exakt konstanten Offset (0,22) . Relative Effekte und Rangfolgen sind zu 100 % identisch (Standardabweichung der paarweisen Differenz = 0,0004).
Weitere Ergebnisse: Bei einer anderen Zielgröße auf Basis derselben Daten und derselben Modellstruktur (gleiche X-Matrix) beträgt der Offset lediglich 0,006. Die problematische Zielgröße weist einen höheren ICC-Wert auf (0,36 gegenüber 0,27).
Fragen:
- Berechnet JMP SLS den Achsenabschnitt (oder die LS-Mittelwerte) anders als ein standardmäßiges V⁻¹-gewichtetes GLS, wenn der ICC in einem spärlichen Design mittel bis hoch ist?
- Gibt es in diesem Szenario einen bekannten algorithmischen Unterschied zwischen SLS (REML) und dem Mixed Model Persönlichkeitsmodell?
JMP Pro 17, Windows.
