상호작용 항에 대한 쌍별 비교가능한지 여부와 이것이 범주와 연속 변수 사이에 있을 때 상호 작용 용어에 대해 쌍별 비교를 수행하는 방법을 알고 싶습니다. Jmp에서는 마이 효과에 대한 다중 비교만 찾았습니다. 감사합니다.Re: 상호작용 항에 대한 쌍별 비교@줄리안 천만에요 게시해주셔서 감사합니다!-- 이 게시물을 방문하는 모든 사람이 쉽게 볼 수 있도록 여기에 링크합니다. https://www.youtube.com/watch?v=k3zk45WrmUI
나는 그 모든 것을 즐겼으며 당신이 계획하고 있는 블로그와 함께 하면 좋을 것입니다. 때때로 이러한 것들을 계속 더 많이 만들면 좋을 것입니다. 나는 커뮤니티에서 이 것들로부터 큰 혜택을 받는 유일한 사람이 아닐 것이라고 확신합니다. .
귀하의 응답이 의미가 있으므로 LS 평균 계산의 결과 차이가 이 두 분석 간의 결과 F 비율(및 후속 p 값)에 어떤 영향을 미쳤는지 확인했습니다.실제로 이 대비 테스트의 맥락에서 적합 모델 플랫폼이 LS 평균을 계산한다는 생각은 전혀 들지 않았습니다. 하지만 OLS의 맥락에서 그룹 간의 상대적인 차이를 해석하기 위해 LS 평균을 사용했기 때문에 더 잘 알았어야 했지만 이전에 Fit Model의 회귀 모델을 여러 번 사용했습니다.
그러나 저는 LS 평균과 정규 평균의 차이를 충분히 이해하고 이를 다른 사람들에게 설명할 수 있는 방식으로 개발하기 위해 수년 동안 계속 노력해 왔습니다.이것은 내가 인터넷에서 널리 찾을 수 있는 최고의 참고 자료입니다.http://onbiostatistics.blogspot.com/2009/04/least-squares-means-marginal-means-vs.html
또한 LS 평균이 실제 평균보다 더 가까운 경향이 있다는 것이 사실입니까(불균형 데이터 구조 가정). 따라서 유형 II 오류(실제로 차이가 있을 때 차이를 감지하지 못함)를 범하지 않도록 주의해야 합니다. 그들 사이의 차이점을 해석할 때?JMP가 제안하는 예제 데이터("최소 제곱 평균" 주제와 관련된 통계 색인 "실행 예제"의 Drug.jmp)에 대해 이것을 시도했는데 LS 평균 사례와 비교하여 더 작은 차이를 얻었습니다. 표준이란 이 경우 그룹 간에 동일한 표본 크기가 있음을 의미합니다(관련 분석 결과 및 MS Excel 계산의 첨부된 이미지 참조).
마지막으로, LS 평균과 일반 평균 간의 개념적 차이를 명확하고 실질적으로 전달하는 멋진 프로토타입 예(시뮬레이션된 데이터 또는 이미 샘플 디렉터리에 있는 데이터 사용)를 만들기 위해 함께 작업할 수 있다고 생각하십니까?
나는 아이디어에 열려있습니다! (더 이해가 된다면 커뮤니티에 별도의 토론으로 게시하고 싶습니다.)
@PatrickGiuliano
Re: 상호작용 항에 대한 쌍별 비교안녕 @PatrickGiuliano ,
좋은 질문입니다!
평균 차이 추정: 당신 말이 맞습니다. 평균 차이 추정은 약간 다릅니다. 여기서는 복잡성을 얼버무렸습니다. 여기의 경우처럼 동일한 크기의 그룹이 없는 경우(각 지역의 주 수가 서로 다름) 분산 분석 모델의 최소 제곱 평균은 관측치를 합산하여 계산하는 평균과 다릅니다. 그룹 내에서 그룹 내 개인 수로 나눕니다. JMP Docs나 다른 곳에서 LSMeans의 추정치를 읽을 수 있지만 가장 간단히 말하면 인구 마진을 예측한 것입니다. 균형 잡힌 모집단의 한계 평균 추정치. 그래서, t 이것이 이 차이의 근원입니다. 그룹을 다시 코딩하고 해당 LSmeans를 기반으로 차이를 계산할 때 이는 먼저 LSmeans를 추정한 다음 평균을 계산하는 것과 다릅니다. 그룹 크기가 모두 동일하다면 차이가 없습니다.
이것은 내가 잘못 선택한 예에서 발견한 유감스러운 불일치입니다. 
대비를 사용하는 예에서 MSE는 더 작지만 제가 말한 내용을 기반으로 해야 하기 때문입니다(39.954 대 40.126, 일반 분산 분석 표에서 이 MSE를 찾을 수 있습니다. 대비는 모델의 MSE를 사용합니다). 위의 이유로 다시 코딩한 예에서는 평균 차이가 약간 더 크므로 해당 예에서는 F 비율이 더 커지게 됩니다. 가장 좋은 예는 아니지만, 그룹의 크기가 동일한 데이터세트를 사용했거나 다시 코딩하는 것보다 대조를 사용하여 제공되는 이점이 더 큰 데이터세트(일반적으로 그렇습니다)를 사용했어야 했습니다.나는 다가오는 블로그에 대해 확실히 다른 예를 선택할 것입니다. 이번 영상을 세심하게 시청해주셔서 감사합니다!
@줄리안
Re: 상호작용 항에 대한 쌍별 비교안녕 @줄리안 예, 정말 감사합니다. 정말 좋은 시작이었으며 블로그 게시물이 기대됩니다. 이 비디오에서 귀하의 논평을 연구하고 반영하면서 몇 가지 추가 질문에 대해 후속 조치를 취해도 괜찮기를 바랍니다.
우선: 지정된 대비를 사용하여 S와 W, MW 및 NE 지역을 비교하는 것과 S/W 및 M/NE를 일괄하여 간단히 다시 코딩하는 맥락에서 보여준 미국 인구통계의 예가 궁금합니다. 그룹 1과 그룹 2를 각각 선택한 다음 ANOVA를 실행합니다.제가 관찰한 몇 가지 사항은 저에게 약간 혼란스러웠습니다. 대비 패널에서는 평균 차이의 추정치가 7.2929인데 ANOVA에서는 7.310인 이유는 무엇입니까?차이가 매우 작다는 것은 알지만 여기서 평균이 약간 다르게 계산됩니까?
평균은 변하지 않는다고 말씀하셨는데, 분산이 다르게 계산되는 것입니다!그리고 이 예에서는 2개 그룹의 기록된(집합) n개에 대한 ANOVA를 사용하여 대비 패널의 F 비율(16.5530)과 F 비율(16.6194)을 관찰합니다.ANOVA 출력에서 MSE를 보면 40.126입니다.Fit-Model의 대비 테스트에 대한 MSE는 표시되지 않지만 어쨌든 내 질문은 다음과 같습니다. 대비 테스트에 대한 F 비율을 다음과 같이 설정하면 안 되나요? 더 큰 분모의 MSE 추정치가 더 정확하기 때문에 ANOVA보다 더 작은 MSE)? 이 경우에는 제가 항상 생각했던 것과 반대입니다. ANOVA에 비해 대비 테스트의 경우 더 작습니다. (수치적으로 차이가 실제로 무시할 수 있다는 것을 알고 있지만 여전히 귀하가 근본적으로 주장하는 내용에 대한 이해에 의문을 제기하게 됩니다. ).감사해요!
Re: 상호작용 항에 대한 쌍별 비교안녕 @PatrickGiuliano ,
전적으로! 나는 이것에 대해 블로그를 계속 작성할 생각이므로 대비를 사용하는 몇 가지 방법을 소개하는 빠른 튜토리얼을 기록했으며(더 빠르게 수행할 수 있음) 블로그 작업을 시작하기 위해 시간을 할애하겠습니다. 이 주제를 좀 더 자세히 다루고 있습니다. 이것이 도움이 되는 시작이기를 바랍니다!
@줄리안
https://youtu.be/k3zk45WrmUI
Re: 상호작용 항에 대한 쌍별 비교안녕 @줄리안 ,
이것은 매우 유익합니다. 이것을 제공하고 설명해주셔서 감사합니다!나는 지정된 대비가 이러한 방식으로 어떻게 사용될 수 있는지 이해하지 못했습니다. 즉, 특히 하나의 연속 및 하나의 범주형 예측 변수 대 연속 응답의 맥락에서 그렇습니다.
귀하의 이전 온라인 콘텐츠 중 일부를 시청했습니다( https://youtu.be/3skUZZF-CuE ) 여기서는 지정된 대비를 실행하는 일반적인 유틸리티에 대해 논의했습니다.이 포럼에서 실질적인 장점(및 단점)을 요약해 주시겠습니까?
나는 LS 회귀 모델(맞춤 모델에서 실행) 내에서 대비를 사용하여 특정 비교를 테스트하는 방법과 이러한 비교를 수행하는 것이 단순히 해석하는 것보다 다르거나 더 가치 있는 이유를 더 잘 이해하고 싶습니다. 내 표준 다중 비교 출력 결과는 무엇입니까? Fit Model의 (Tukey HSD 세부 쌍별 비교 및/또는 연결 문자 보고서)?
감사해요, @PatrickGiuliano
Re: 상호작용 항에 대한 쌍별 비교안녕 @Sarettathepooh ,
어떤 종류의 비교에 관심이 있는지 좀 더 설명해 주시겠습니까? 하나의 연속형 요인과 하나의 범주형 요인이 있는 경우 교호작용 항은 연속형 변수의 다양한 수준에서 범주형 요인 수준 간의 차이가 다른지 여부(또는 대안적으로 동등하게 Y와 연속형 X 사이의 기울기가 다른지 여부)에 대한 테스트입니다. 변수는 범주형 요인의 수준에 따라 달라집니다. 예를 들어 나이, 키, 나이*키(Big Class.jmp)로부터 체중을 예측하는 모델에서 예측 프로파일러와의 양방향 상호 작용을 볼 수 있습니다.
이제 쌍별 비교에 대한 요점을 말하자면, 범주형 요인의 수준을 비교하려면 주효과 빨간색 삼각형에서 그렇게 하면 됩니다. 이러한 테스트는 연속형 변수의 평균 수준에서 범주형 변수의 각 수준에 대한 평균 반응을 나타냅니다. 상호 작용이 있는 모델에서는 이러한 비교가 연속 변수의 어느 수준에서 수행되는지 묻는 것이 중요합니다. 평균은 일반적인 기본값입니다(그리고 다른 작업을 수행하라는 지시가 없는 한 JMP는 이를 수행합니다). 찾고 있는 것이 연속 변수의 평균 수준이 아닌 다른 수준에서 요인의 다양한 수준에 대한 평균 반응을 비교하는 것이라면 상호 작용 항에서 해당 테스트를 찾을 수 없습니다. 오히려 동일한 주 효과 빨간색 삼각형 아래에서 LSMeans Contrast 명령을 사용하여 이를 찾을 수 있습니다.아래 gif에서 제가 12세와 13세를 비교하는 것을 볼 수 있지만 키는 70인치입니다.
이게 도움이 되길 바란다!
@줄리안
