Tabelle der Prognosen für Zufallseffekte für Modell mit gemischten Effekten anpassen

Hier finden Sie Definitionen und Anleitungen zur Interpretation für alle Statistiken, die für prognostizierte Zufallseffekte bereitgestellt werden.

BLUP

Der beste lineare unverzerrte Prognosewert (BLUP) für eine bestimmte Stufe eines Zufallsfaktorterms beschreibt den Effekt der Stufe des Terms auf die Antwortvariable. Minitab berechnet anhand dieser Werte die bedingten angepassten Werte für die angegebenen Stufen der Zufallsfaktoren.

Interpretation

Bewerten Sie mit dem BLUP, wie stark sich die Effekte des Zufallsfaktors auf den angegebenen Stufen auf die Antwortvariable unterscheiden. Der Wert und das Vorzeichen des BLUP für eine bestimmte Stufe beschreiben Richtung und Größe des Effekts.

SE BLUP

Der Standardfehler des besten linearen unverzerrten Prognosewerts (BLUP) für eine bestimmte Stufe gibt die Ungewissheit hinsichtlich des prognostizierten Effekts auf die Antwortvariable an.

Interpretation

Mit dem Standardfehler des BLUP wird die Ungewissheit im Prädiktor angegeben. Anhand des Standardfehlers des BLUP wird der t-Wert berechnet; anschließend wird der Test berechnet, ob sich der Effekt auf einer bestimmten Stufe signifikant von 0 unterscheidet. Ist der zugehörige p-Wert kleiner als das Signifikanzniveau (α), schlussfolgern Sie, dass sich der Effekt für die betreffende Stufe von 0 unterscheidet.

DF für BLUP

Die Freiheitsgrade (DF) entsprechen der Menge an Informationen in den Daten, die zum Schätzen des Konfidenzintervalls und zum Berechnen des Tests für den besten linearen unverzerrten Prognosewert (BLUP) verfügbar sind.

Interpretation

Verwenden Sie die DF, um zu vergleichen, wie viele Informationen zu den BLUPs verfügbar sind. In der Regel führen mehr Freiheitsgrade dazu, dass das Konfidenzintervall für den BLUP schmaler als ein Intervall mit weniger Freiheitsgraden ist.

Konfidenzintervall für BLUP (95%-KI)

Diese Konfidenzintervalle (KI) sind Bereiche von Werten, die wahrscheinlich die tatsächlichen Werte für den besten linearen unverzerrten Prognosewert (BLUP) für die Zufallsterme im Modell enthalten.

Da die Stichproben zufällig sind, ist es unwahrscheinlich, dass zwei Stichproben aus einer Grundgesamtheit identische Konfidenzintervalle ergeben. Wenn Sie jedoch viele Zufallsstichproben ziehen, enthält ein gewisser Prozentsatz der resultierenden Konfidenzintervalle den unbekannten Parameter der Grundgesamtheit. Der Prozentsatz dieser Konfidenzintervalle, die den Parameter enthalten, stellt das Konfidenzniveau des Intervalls dar.

Das Konfidenzintervall setzt sich aus den folgenden zwei Teilen zusammen:
Punktschätzung
Mit diesem einzelnen Wert wird der Parameter der Grundgesamtheit unter Verwendung der Stichprobendaten geschätzt. Das Konfidenzintervall wird um die Punktschätzung zentriert.
Fehlerspanne
Die Fehlerspanne definiert die Breite des Konfidenzintervalls, und sie wird durch die beobachtete Streuung in der Stichprobe, den Stichprobenumfang und das Konfidenzniveau bestimmt. Zum Berechnen der Obergrenze des Konfidenzintervalls wird die Fehlerspanne zur Punktschätzung addiert. Zum Berechnen der Untergrenze des Konfidenzintervalls wird die Fehlerspanne von der Punktschätzung subtrahiert.

Interpretation

Beurteilen Sie anhand des Konfidenzintervalls den Effekt der jeweiligen Stufe eines Zufallsterms der Antwortvariablen. Ein Intervall, das nicht den Wert 0 enthält, deutet auf einen statistisch signifikanten Effekt hin. Sollte das Intervall eindeutig größer als 0 sein, hat die betreffende Stufe einen positiven Effekt auf die Antwortvariable. Ein Intervall, das eindeutig kleiner als 0 ist, weist auf einen negativen Effekt auf die Antwortvariable hin. Ein Intervall, das den Wert 0 einschließt, lässt für den Zufallsterm der Antwortvariablen keinen Schluss auf einen signifikanten Effekt der Stufe zu.

t-Wert

Mit dem t-Wert wird das Verhältnis zwischen dem besten linearen unverzerrten Prognosewert (BLUP) und dem zugehörigen Standardfehler gemessen.

Interpretation

Minitab verwendet den t-Wert zum Berechnen des p-Werts, anhand dessen Sie eine Entscheidung über die statistische Signifikanz der Terme und der BLUP-Werte treffen können.

Anhand des t-Werts können Sie bestimmen, ob die Nullhypothese zurückgewiesen werden muss. Häufiger wird jedoch der p-Wert verwendet, da der Schwellenwert für die Zurückweisung immer derselbe ist, unabhängig von den Freiheitsgraden.

p-Wert für BLUP

Der p-Wert ist ein Wahrscheinlichkeitsmaß für die Anzeichen gegen die Annahme der Nullhypothese. Die Nullhypothese besagt, dass der Effekt einer bestimmten Stufe eines Zufallsfaktors auf die Antwortvariable gleich 0 ist. Geringere Wahrscheinlichkeiten liefern stärkere Anzeichen dafür, dass die Nullhypothese nicht zutrifft.

Interpretation

Um zu ermitteln, ob der beste lineare unverzerrte Prognosewert (BLUP) für eine bestimmte Stufe eines Zufallsfaktors ungleich 0 ist, vergleichen Sie den p-Wert für den BLUP mit dem Signifikanzniveau.

p-Wert ≤ α: Der Effekt unterscheidet sich statistisch von 0
Wenn der p-Wert kleiner oder gleich dem Signifikanzniveau ist, können Sie schlussfolgern, dass sich der Effekt der spezifischen Stufe des Terms mit Zufallsfaktor auf die Antwortvariable signifikant von 0 unterscheidet.
p-Wert > α: Der Effekt unterscheidet sich nicht statistisch von 0
Wenn der p-Wert größer als das Signifikanzniveau ist, können Sie nicht schlussfolgern, dass sich der Effekt der spezifischen Stufe des Terms mit Zufallsfaktor auf die Antwortvariable signifikant von 0 unterscheidet.
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien