저는 표준 최소 제곱법(REML)을 사용하여 혼합 모델을 적합시키고 있습니다 : Y ~ A(Sum) + B(Sum) + C(Sum) + D(Sum) + Subject(&Random)
- 약 14,000개의 관찰 데이터, 약 200개의 A 인자 수준, 약 60개의 C 인자 수준, 약 120명의 피험자
- 매우 희소한 A×C 설계: 약 97%의 셀이 비어 있음 (대부분의 A 레벨이 단 하나의 C 레벨에만 나타남)
Python에서 (statsmodels MixedLM, REML) 재현했을 때, 요인 A에 대한 200개의 최소제곱평균(LS Mean) 모두 JMP 결과와 정확히 일정한 차이(0.22)를 보였습니다 . 상대적 효과와 순위는 100% 동일했습니다(쌍별 차이의 표준편차 = 0.0004).
다른 결과: 동일한 데이터와 동일한 모델 구조(동일한 X 행렬)를 사용하는 다른 반응 변수의 경우, 오프셋은 0.006에 불과합니다. 문제가 있는 반응 변수는 더 높은 ICC 값(0.36 대 0.27)을 나타냅니다.
질문:
- JMP SLS는 희소 설계에서 ICC가 중간에서 높은 수준일 때 표준 V⁻¹ 가중 GLS와 절편(또는 LS 평균)을 계산하는 방식이 다른가요?
- 이 시나리오에서 SLS(REML)와 혼합 모델 방식 사이에 알려진 알고리즘적 차이점이 있습니까?
JMP Pro 17, 윈도우.
