この過去のホリデーシーズンの集会で、私の家族と私はワインの試飲をするのが楽しいかもしれないと思いました。何人かのメンバーは、異なるワインボトルを開けて、私たちが追いついてリラックスした土曜日を過ごしている間に気に入ったワインについて話したいと思いました。しかし、私はこれがより正式な実験を行う絶好の機会になるだろうと示唆した。ややぞっとするように、私の家族は同意した。
次に、測定におけるノイズの可能性が最も低く、最も信頼性の高いワインの品質を測定するためのデータ収集方法をいくつか決定しました。
基本的な考え方は、繰り返し測定実験 。私がやりたいことは、未知のワインのサンプルを被験者に無作為に提示し、それらに1〜7のスケールで品質を評価させることです。 私たちのほとんど訓練されていないワインテイスティングの被験者からもう少し安定した品質の推定値を得るために、私は各ワインの3つのサンプルをランダムに提示し、それからスコアを平均することにしました。
私たちは1人の家族を試験管理者に指定しました。そして、被験者が彼らのガラスに注がれているワインを見ることができないように各ボトルのワインを紙袋に入れました。テスト管理者は、各試行ブロック内のワインの順序がブロック間で同じにならないように、繰り返しごとの試行の表示順序をランダム化しました。
実験手順は以下の通りであった。
テスト管理者は約1オンスを注ぎます。各被験者のグラスにワインを入れます。被験者はワインを味わい、応答カードに1〜7の品質スコアを入力します。被験者はそれから数人のクラッカーを食べることと挽いたコーヒーの容器の香りをすることによって彼または彼女の口蓋を清潔にします。この手順は、４つの試験の３つのブロックのそれぞれについて繰り返された（合計で被験者あたり１２の味と評価）。
実験が完了した後、私は彼らの回答をJMPデータテーブルに入力することができました。この実験では、私は簡単な調査質問をしました。
いくつかのワインは他のワインよりも格段に高いか低いか？
この質問に答えるために、私はJMPのフィットモデルプラットフォームを使用しました（分析>フィットモデル）。繰り返し測定実験を分析しているので、混合モデルパーソナリティを使用しました。 JMP Pro 11 。
私は自分の好みに合わせて考慮したいと思う主題のランダムな効果を持っています、そして混合モデル性格は私がこれを容易にすることを可能にします。
モデルを近似する前に、Graph Builderでデータを視覚化して、その後の統計分析に影響を与える可能性のあるパターン、外れ値、またはその他の問題を特定できるかどうかを確認することをお勧めします。
上の図では、ワインの各サンプルについて、私の各被験者の平均スコアを確認できます。ワインと品質スコアの間に明確なパターンを見つけるのは容易ではありません。一般的には、Wine 2とWine 3のほうが高い評価を得ているように見えますが、同じワインに対して非常に異なる評価を得ているような被験者もいます。これは、このような行動/主観研究を実行するときに必ず遭遇することです。混合モデル分析では、これらの被験者間の違いを説明し、固定効果（ワインサンプル）に重要なものがあるかどうかを分析できます。
これがFit Modelのモデル仕様です。私は混合モデルパーソナリティを選択しました。応答、私たちのYは、平均です。品質スコア 私のモデルにある唯一の固定効果はWineです。そして私のモデルのランダム効果はSubjectです。
以下はFit Mixedモデルの出力です。
JMPには、フィット統計、変量効果共分散パラメータ推定値、固定効果テストの他に、レポートをカスタマイズするためのさまざまなオプションがあります。効果テストは私の研究の質問に答えるのを手助けするために私が本当に興味を持っているものです。そして、このグループの被験者にとって、ワインが品質に大きな影響を与えているように見えます。しかし残念ながら、それだけでは、どのワインが他のワインと大きく異なるのかがわかりません。
そのために、JMP 11でもう1つの新しいツールである多重比較を使用します。Fit Mixed出力の赤い三角メニューにMultiple Comparisonsウィジェットがあります。固定効果に対して事後検定を実行するには、[多重比較]オプションから[全対比較 - Tukey HSD]を選択します。
JMPの多重比較の優れた機能の1つは、統計情報と一緒に使用する有益なグラフィックです。これにより、ペアごとの違いを簡単に視覚化できます。
重要な2つのペアワイズの違いのラベルを固定しました。有意差はすべて赤で表示され、有意差のないペアごとの差は青で表示されています。これは、統計的な出力の表を見るよりもずっと簡単です（ただし、この表はレポートにまだあります。この記事では省略しました）。
Wine 2とWine 3はWine 1よりも格段に高く評価されています。他のすべての比較は有意に達しませんでした。私は、確実に差を測定するのに十分な統計力を持っていなかったかもしれません - おそらく、次回大きいサンプルサイズを得ること（隣人を私たちの集会に招待すること）は良い考えかもしれません。しかし、少なくともこのグループの被験者にとって、幸せなワインを飲む人が欲しいなら、Wine 2とWine 3のボトルをもう一度購入し、Wine 1を避けるべきです。
私の方法は完璧には程遠いので、私の単純なモデルでは説明していなかった反応に影響する他の要因があるかもしれません。しかし、JMP 11およびJMP Pro 11の優れた新機能を使用してJMPで簡単に実験を実行し、効果的に分析するのは楽しい方法でした。
ダニエル・ヴァレンテ書きました：
こんにちはショーン -
コメントありがとう。生データを見る方法として変数チャートを使用することは素晴らしいアイデアです。
ショーンS 書きました：
ダン、
この分析を開始するのに最適なグラフは、Rating vs Wine and Tasterを含む変動グラフです。それは私たちに各評価者のための測定誤差とワインにわたる評価の全体的な変動を示すでしょう。私の多くのモットーの1つは、常に生データを表示することから始まります。
