<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Sono curioso se qualcuno lo sa e può spiegarmi come JMP calcola il suo parametro di non-centralità per i progetti personalizzati. Conosco il modulo generale per calcolarlo, ma non riesco a capire come funziona JMP. La ragione di questo è che il df poiché l'errore utilizzato nel calcolo della potenza per i disegni a trama divisa è errato per impostazione predefinita in JMP 10. Mentre posso regolare il df manualmente sarebbe bello se potessi scrivere uno script per eseguire correttamente i calcoli fin dall'inizio, ma la piattaforma di valutazione del progetto non è programmabile in JMP 10 (non che sia in grado di capirlo comunque - anche cercando un << Ottieni oggetto Scriptable restituito un set vuoto), quindi devo essere in grado di fare matematica a mano in JSL.
Grazie in anticipo!
Dr. Jones,
Grazie per la risposta. Ti dispiacerebbe spiegare come funziona in presenza di una struttura a trama divisa? Ho usato il custom designer per creare un semplice fattore 5 (2 fattori HTC, 3 ETC) e ho ottenuto un design con 6 WP e 8 replicati all'interno di ciascun WP per creare un design perfettamente replicato. Ho adattato il modello usando REML e poi salvato la tabella di codifica per ottenere la matrice X. Tuttavia, non posso risolvere X'X con la codifica utilizzata per i 6 interi lotti perché sono (intenzionalmente) confusi con i fattori HTC. Se faccio come hai specificato per i fattori ETC, ottengo lo stesso ncp di JMP. Se abbasso i fattori HTC fino alle sole 6 impostazioni indipendenti per trattarli come se ci fossero solo 6 esecuzioni (che è, in effetti, ciò che sta succedendo) ottengo anche un buon 6 per l'ncp. Tuttavia, JMP mi dà 5.333 e 4.741 (i valori esatti non sono importanti). Quindi, succede qualcos'altro e non sono sicuro di cosa sia o in che modo spiegarlo.
Ancora una volta, apprezzo il tempo dedicato a fornire il codice sopra per ottenere l'ncp.
C'è una differenza tra JMP9 e JMP10 per i calcoli di potenza. In JMP9 la potenza è stata calcolata per un rapporto segnale / rumore in cui il coefficiente di regressione era il segnale e la deviazione standard dell'errore era il rumore. In JMP 10 il segnale per un fattore a 2 livelli è il cambiamento nella risposta quando si passa dal valore basso del fattore al valore alto del fattore. Quindi ora il segnale è 2 volte il coefficiente di regressione per un effetto di 1 grado di libertà.
Ecco il JSL di cui hai bisogno per calcolare i calcoli di potenza in JMP 9 per un effetto di 1 grado di libertà
Sia X la matrice X per il modello.
Quindi, la varianza dei coefficienti è
varBetaHat = vecdiag (inverso (X` * X));
alfa = 0,05; // Livello di significatività predefinito
denominatorDF = 11; // df per un progetto ortogonale a 16 corse in 4 fattori
Fcrit = F Quantile (1-alpha, 1, denominatorDF); // valore critico della distribuzione F
SNRatio = 1; // default SNRatio
noncentrality = (SNRatio ^ 2) / varBetaHat [2]; // non centrality per il 1 ° effetto principale assumendo che il 1 ° effetto sia l'intercettazione
power = 1 - F Distribution (Fcrit, 1, denominatorDF, non centrality);
Ecco il JSL di cui hai bisogno per calcolare i calcoli di potenza in JMP 10 per un effetto di 1 grado di libertà usando la stessa matrice X.
varContrast = 4 * vecdiag (inverso (X` * X)); // poiché il contrasto è il doppio del coefficiente, la sua varianza è 4 volte più grande.
alfa = 0,05; // Livello di significatività predefinito
denominatorDF = 11; // df per un progetto ortogonale a 16 corse in 4 fattori
Fcrit = F Quantile (1-alpha, 1, denominatorDF); // valore critico della distribuzione F
SNRatio = 2; // il valore predefinito di SNRatio è due volte maggiore per adattarsi e fornire lo stesso valore predefinito per la potenza.
noncentrality = (SNRatio ^ 2) / varContrast [2]; // non centrality per il 1 ° effetto principale assumendo che il 1 ° effetto sia l'intercettazione
power = 1 - F Distribution (Fcrit, 1, denominatorDF, non centrality);
