Methoden und Formeln für bedingte Statistiken in Prognostizieren

Wählen Sie die gewünschte Methode oder Formel aus.

Bedingter angepasster Wert

Die bedingten angepassten Werte werden mit der folgenden Gleichung berechnet:

Notation

BegriffBeschreibung
Vektor der neuen Einstellungen für die Terme der festen Effekte
geschätzte Koeffizienten für die Terme der festen Effekte
Vektor der neuen Einstellungen für die Zufallsterme
BLUP-Prognosen für die Zufallsterme

Standardfehler des bedingten angepassten Werts (SE Anpassung)

Der Standardfehler eines bedingten angepassten Werts ist gleich der Quadratwurzel des folgenden Varianzausdrucks.

Dabei gilt Folgendes:

X ist die Designmatrix für die Terme der festen Effekte, und Z ist die Designmatrix für die Zufallsterme.

Konfidenzintervalle für bedingte Mittelwerte

Der Bereich, in dem der Mittelwert der Antwortvariablen bei einer gegebenen Gruppe von Werten der Prädiktorvariablen erwartet wird.

ist die bedingte Anpassung. ist der Standardfehler der Anpassung.

Bei den Freiheitsgraden wird diese Formel für den bedingten Fall verwendet:

Dabei gilt Folgendes:
und

Notation

BegriffBeschreibung
Wdie asymptotische Varianz-Kovarianz-Matrix von

Weitere Informationen zur Notation finden Sie unter Bedingte Anpassungen und Residuen in „Modell mit gemischten Effekten anpassen“.

Bedingtes Prognoseintervall

Das bedingte Prognoseintervall lautet:

ist die bedingte Anpassung bei der neuen Variableneinstellung.

=

=

Bei den Freiheitsgraden wird diese Formel für den bedingten Fall verwendet:

Dabei gilt Folgendes:

Notation

BegriffBeschreibung
W asymptotische Varianz-Kovarianz-Matrix der Schätzwerte der Varianzkomponenten
IIdentitätsmatrix
Varianzkomponente für den i-ten Term mit Zufallseffekten
Vektor der neuen Einstellungen für die Terme der festen Effekte
Vektor der neuen Einstellungen für die Zufallsterme
cAnzahl der Zufallsterme im Modell
B
C21
G
miAnzahl der Stufen für den Zufallseffekt
X(n x p)-Designmatrix für die Terme der festen Effekte,
Inverse der Varianz-Kovarianz-Matrix
(n x mi)-Designmatrix für den Zufallsterm im Modell
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