지난 연휴 기간 동안 모임에서 가족들과 나는 와인 시음을하는 것이 재미있을 것이라고 생각했습니다. 일부 회원들은 다른 와인 병을 열어서 우리가 따라 잡고 편안한 토요일을 보내고 싶다고 말하려고했습니다. 그러나 나는 이것이보다 공식적인 실험을 수행 할 수있는 좋은 기회가 될 것이라고 제안했다. 다소 마지 못해서, 우리 가족은 동의했습니다.
다음으로 측정시 노이즈가 가장 적은 와인 품질에 대한 가장 신뢰할 수있는 척도를 제공하는 데이터 수집 방법을 결정했습니다.
기본 아이디어는 반복 측정 실험 . 제가하고 싶은 것은 무작위로 존재하는 피험자들에게 알려지지 않은 와인의 샘플을 올려 놓고 1-7의 비율로 품질을 평가하도록하는 것입니다. 대부분 숙련되지 않은 와인 시음 과목의 품질을 좀더 안정적으로 추정하기 위해 각 와인의 샘플을 무작위로 3 개 제시하고 점수를 평균하기로 결정했습니다.
우리는 한 가족 구성원을 시험 관리자로 지명했습니다. 시험 관리자는 포도주 한 병을 종이 봉투에 넣어 유리 주체가 유리에 부어 진 포도주를 볼 수 없도록했습니다. 테스트 관리자는 반복 당 시험 횟수를 무작위로 추출하여 각 시험 블록 내의 와인 순서가 블록 전체에서 동일하지 않게했습니다.
실험 절차는 다음과 같습니다 :
시험 관리자는 약 1 oz을 쏟아 붓습니다. 각 주제의 유리에 와인을 넣습니다.피험자는 와인을 맛보고 응답 카드에 1-7 점의 품질 점수를 입력합니다.그런 다음 피실험자는 여러 크래커를 먹고 커피 한 통 냄새를 맡아 입맛을 정돈합니다.이 절차는 네 번의 시도로 이루어진 세 블록의 각각에 대해 반복되었습니다 (총 12 개의 취향과 등급).
실험이 끝나면 JMP 데이터 테이블에 응답을 입력 할 수있었습니다. 이 실험에서는 간단한 연구 질문이있었습니다.
일부 와인은 다른 와인보다 훨씬 높거나 낮습니까?
이 질문에 답하기 위해 필자는 JMP (Analyze> Fit Model)에서 Fit Model 플랫폼을 사용했습니다. 반복 측정 실험을 분석하기 때문에 Mixed Model 특성을 사용했습니다. JMP Pro 11 .
필자는 피험자의 임의 효과를 내 적합성에 대해 설명하고 혼합 모델 특성을 사용하면 쉽게이 작업을 수행 할 수 있습니다.
모델을 피팅하기 전에 그래프 빌더에서 데이터를 시각화하여 후속 통계 분석에 영향을 줄 수있는 패턴, 특이 치 또는 기타 문제를 발견 할 수 있는지 확인하는 것이 좋습니다.
위의 그림에서 각각의 와인 샘플에 대한 각 과목의 평균 점수를 볼 수 있습니다. 와인과 품질 점수 사이에 명확한 패턴을 발견하는 것은 쉽지 않습니다. 일반적으로 와인 2와 와인 3은 더 높은 등급 인 것으로 보입니다. 그러나 일부 주제는 동일한 와인에 대해 크게 다른 등급을 갖는 것으로 보입니다. 이것은 행동 / 주관 연구의 이러한 유형을 실행할 때 반드시 마주 치게 될 것입니다. 혼합 모델 분석은 이러한 주제별 차이점을 설명하고 고정 효과 (와인 샘플)에 중요한 것이 있는지 분석합니다.
Fit Model의 모델 사양은 다음과 같습니다. 나는 Mixed Model 특성을 선택했습니다. 응답 Y는 평균입니다. 품질 평가 점수. 내 모델에있는 유일한 고정 효과는 Wine입니다. 그리고 내 모델의 무작위 효과는 주제입니다.
아래는 Fit Mixed 모델 출력입니다.
JMP는 Foss Statistics, Random Effects Covariance Parameter Estimates 및 Fixed Effects Tests와 같은 보고서를 사용자 정의 할 수있는 많은 옵션을 제공합니다. Effects Tests는 내 연구 질문에 대한 답변에 정말로 관심이 있습니다. 이 그룹의 주제에 대해 품질에 상당한 영향을 미치는 것처럼 보입니다. 그러나 불행히도, 이것이 다른 와인보다 현저하게 다른 와인인지는 알 수 없습니다.
이를 위해 JMP 11 : Multiple Comparisons에서 또 다른 새로운 도구를 사용할 것입니다. 혼합 된 결과에 맞는 빨간색 삼각형 메뉴에서 다중 비교 위젯을 찾을 수 있습니다. 고정 효과에 대해 사후 테스트를 수행하려면 여러 비교 옵션에서 모든 쌍 별 비교 - Tukey HSD를 선택합니다.
JMP에서 Multiple Comparisons의 좋은 특징 중 하나는 시각적으로 쌍을 이루는 차이를 쉽게 만들 수있는 통계와 관련된 유익한 그래픽입니다.
나는 중요한 두 쌍의 차이의 레이블을 고정했습니다. 유의 한 차이는 모두 빨간색으로 표시되고 모든 유의하지 않은 쌍 차이는 파란색으로 표시됩니다. 이것은 통계 결과물을 보는 것보다 훨씬 쉽습니다 (이 표는 아직 보고서에 있지만이 게시물에서는 생략했습니다).
와인 2와 와인 3은 와인 1보다 훨씬 높은 평가를 받았습니다. 다른 모든 비교는 의미에 도달하지 못했습니다. 차이를 안정적으로 측정 할 수있는 충분한 통계 능력이없는 경우 일 수 있습니다. 다음 번에 큰 샘플 크기를 얻는 것 (우리 모임에 이웃을 초대하는 것)이 좋은 아이디어 일 수 있습니다. 그러나 최소한이 주제 그룹의 경우, 행복한 와인 마시는 사람을 원하면 와인 2와 와인 3 병을 다시 구입하고 와인 1은 피해야합니다.
내 방법은 완벽하지 못합니다. 단순한 모델에서 설명하지 않은 응답에 영향을 미치는 다른 요소가있을 수 있습니다. 그러나 JMP 11 및 JMP Pro 11의 새로운 기능을 사용하여 JMP에서 빠른 실험을 실행하고 효과적으로 분석하는 것이 재미있는 방법이었습니다.
다니엘 발렌테 쓴 :
하이 숀 -
댓글 주셔서 감사합니다. 원시 데이터를 보는 방법으로 가변 차트를 사용하는 것이 좋습니다.
션 S 쓴 :
단,
이 분석을 시작하는 훌륭한 그래프는 Rating vs Wine and Taster의 변동성 차트였습니다. 그것은 각 평가자에 대한 측정 오차와 와인 전반에 걸친 평가의 전반적인 변화를 보여줍니다. 내 많은 모토 중 하나는 항상 원시 데이터를 표시하여 시작합니다.
