<SPAN class="lia-inline-image-display-wrapper lia-image-align-inline" style="width: 527px;"><IMG src="https://us.v-cdn.net/6038925/uploads/images/8190i686AF667FEB86918/jmp.png" alt="jmp.png" title="jmp.png" /></SPAN>Fit Model(
Y( :Name( "box cox lambda = -0.2" ) ),
Effects(
:Fry,
:Treatment,
:Label,
:Fry * :Treatment,
:Fry * :Label,
:Treatment * :Label,
:Fry * :Treatment * :Label
),
Random Effects(
:panelist# & Random,
:panelist# * :Fry & Random,
:panelist# * :Treatment & Random,
:panelist# * :Label & Random,
:panelist# * :Fry * :Treatment & Random,
:panelist# * :Fry * :Label & Random,
:panelist# * :Treatment * :Label & Random,
:panelist# * :Fry * :Treatment * :Label & Random
),
Personality( Standard Least Squares ),
Method( REML ),
Emphasis( Minimal Report ),
Run(
:Name( "box cox lambda = -0.2" ) << {Analysis of Variance( 0 ),
Lack of Fit( 0 ), Plot Actual by Predicted( 0 ), Plot Regression( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 )}
)
);Salut,
J'analyse des données sensorielles issues de trois études de friture répétées suivies par le stockage d'aliments frits, en utilisant à la fois la plateforme du modèle d'ajustement et le complément de mesures répétées factorielles. . Il existe 3 études de réplication de frites (nominales). J'ai essayé à la fois d'entrer dans la réplique de friture comme facteur fixe ou de ne pas y entrer (l'entrée améliore le modèle R2 mais ne change pas le problème que je vois). Les données sont continues, mais comme elles étaient très asymétriques, j'ai effectué une transformation Box-Cox (le problème est le même, que je transforme les données ou non). Les valeurs prédites semblent toujours être un nombre discret, presque comme si elles étaient classées dans une catégorie en fonction des variables, ce qui a pour résultat les modèles présentés ci-dessus. J'ai l'impression que c'est une simple erreur, mais je ne sais pas où. S'il vous plaît aider!
Répondant à moi-même pour ajouter la photo, je
ne le voyez pas dans le message précédent.