複数の重要な相互作用と主効果を正しく解釈する - JMP<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />私の分析により、以下の p 値の表が作成されました。 結果に基づいていくつかの結論を出しましたが、複数の重要な交互作用と主効果を考慮すると、自分が正しい軌道に乗っているかどうか、特に到達しすぎている場合は確信が持てません。
この研究の予備的な結果は、可溶性固形分含有量と比重は年、品種、場所によって異なるが、SSC の場合、場所の違いは年に依存することを示しています。 滴定可能な酸度は品種や場所によって異なり、場所の違いは年によっても異なりました。 ジュースの pH と総タンニンは年と品種によって異なります。 年次要因の大幅な変動は、SSC と TA で観察された相互作用を説明できる可能性があります (表 3、図 1)。
明確にしておきますが、私は P 値や解釈に関するアドバイスを求めているのではなく、相互作用と主な効果の重要性または欠如を考慮して結論を下す私の能力を求めています。
1) SSC の場合、品種*場所の相互作用は重要ではないため (p = 0.149、a = 0.05)、除去してモデルを再実行し、年*品種の相互作用は重要ではなくなりました。 では、主効果 (年、品種、場所) は有意であるが、場所の効果は年に依存するという結論は正しかったでしょうか? 私はそうだと信じています。
2) TA については、SSC と同じ手順に従い、場所の効果が年に依存するという同じ結論に達しました。 ただし、この場合、年の主効果は、SSC の場合のように実際には決して有意ではありませんでした (p = 0.567 対 p = 0.0004)。 私の結論はまだ大丈夫ですか？
ご意見をいただきありがとうございます。
Re: 複数の重要な交互作用と主効果を正しく解釈する - JMPトラヴィス、
同意します。p 値についてはコメントしません。Kevin が指摘したように、それは今ホットな話題です。ただし、これは交互作用と主効果の重要性を全体的に理解するのに役立つかもしれません。
NACL に対する主な影響は次のとおりです。
有意な相互作用は、NACL 効果の大きさが第 2 因子のレベルに依存することを示しています。 NACL は依然として重要ですが、2 番目の要素の青レベルが影響している場合はさらに重要になります。
また、主効果がそれ自体では重要性を示さないが、相互作用する因子のレベルに応じて (反対方向に) 大きな重要性を示す「交差」相互作用を行うこともできます。したがって、その場合、モデル内の「統計的に有意ではない」ものの「主効果」因子は依然として非常に重要です。 したがって、私は JMP が大好きですが、数表は大嫌いです。データをコンテキストの中に入れて、数表が知識の観点から何を示しているかを探る必要があります。 Kevin が指摘したように、p 値に加えて、効果の大きさ (さまざまな要因によってどの程度の差が見られるか) を考慮する必要があります。これが役に立てば幸いです。p 値を使用して、重要な関係と重要でない関係を分類します。
Re: 複数の重要な交互作用と主効果を正しく解釈する - JMPご説明いただきありがとうございます。私のコメントは破壊的なものであるつもりはありませんでした。 p 値の誤解や多くの出版された科学的研究の再現不可能性をめぐって、最近の論争が渦巻いていることをご存知かもしれませんし、ご存じないかもしれませんが、これらの論争は私たち全員に警告を与えるべきです。あなたの感情を傷つけるつもりはありませんでしたが、私は今でも自分の発言を支持します。p 値の表を見るたびに警告クラクソンが鳴るはずです。ロナルド・アイルマー・フィッシャー卿自身も、p 値を重要性の最終決定者として使用することに対して警告しており、彼は自分がどこから発言したかを本当に知っていました。
交互作用が重要である場合、その交互作用に含まれる主効果の重要性を解釈することは無意味であると私は考えます (誤解を招く可能性さえあります)。
有意な交互作用 A*B (許容可能な設計、分析アプローチ、効果の大きさ、検出力、診断を伴う) は、A の効果が次のことを意味します。条件付きB のレベルでは、その逆も同様です。一般に、別のレベルで条件付きの効果を、ある固定値では条件がないかのように解釈することはほとんど意味がありません。
また、私は通常、相互作用が重要な場合には、重要でない主効果であってもモデルに残すことが良い習慣であると考えています。
そして私はまだ他の結論に達する前に、統計学者の助けを借りて設計と分析をレビューすることをお勧めします。
Re: 複数の重要な交互作用と主効果を正しく解釈する - JMPまず、ご返信いただきありがとうございます。
第二に、「自尊心のある統計学者ならそんなことはしないだろう」というあなたのコメントを踏まえると、他の人が愚かだと感じずに返信することは不可能になったので、私の投稿を明確にする必要があります。 実際、あなたの投稿は建設的ではなく破壊的であるため、あなたまたはこのサイトのモデレーターに文を書き直すようお願いしたいと思います。
私は自分の特定の結果の解釈を求めているのではなく、P 値に関するアドバイスを求めているのでもありません。 重要な相互作用と主効果を解釈する際に、受け入れられたプロトコルに従ったかどうかについてアドバイスを求めています。
1) 二元交互作用と両方の主効果が有意な場合、依存関係を除いて主効果に関して何らかの結論を下すことができますか?
2) 二元交互作用で主効果の 1 つだけが有意な場合、有意ではない主効果については何と言えますか?
私の分析が能力の面で正しかったかどうかを聞いているのであって、内容の面で聞いているのではありません。
もう一度言いますが、おそらく今は誰も私の投稿に返信しないでしょうから、アドバイスをいただけますか。
ありがとう
Re: 複数の重要な交互作用と主効果を正しく解釈する - JMPこんにちは、トラヴィス！
自尊心のある統計学者があなたの p 値の表を見て、(何らかの方法で) 結論について語らないことを願っています。現在、科学界全体で p 値をめぐる「自信の危機」があり、多くの著名な教師が p 値を教えることを完全にやめています。
FWIW、すべての指標 (p 値を含む) は、強化する意思決定を置き換えるものではありません。
JMP の優れた点のいくつかは、多くのモデル診断、効果の大きさ、研究の力などを比較的簡単にレビューできることです。ユーザー コミュニティのディスカッション サイトは、詳細を発表したりレビューしたりするのに最も効率的な場所ではありません。
おそらくあなたが聞きたかった内容ではありませんが、統計学者の助けを借りて設計と分析をレビューすることをお勧めします。
