<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Tengo curiosidad si alguien sabe y puede explicarme cómo JMP calcula su parámetro de no centralidad para diseños personalizados. Conozco la forma general para calcularlo, pero no logro que mis cálculos se sumen a lo que JMP está usando. La razón de esto es que la df el error utilizado en el cálculo de la potencia para diseños de parcelas divididas es incorrecto por defecto en JMP 10. Mientras puedo ajustar la df manualmente sería bueno si pudiera escribir una secuencia de comandos para hacer los cálculos correctamente desde el primer momento, pero la plataforma de evaluación de diseño no es compatible con secuencias de comandos en JMP 10 (no es que pueda entenderlo de todos modos, incluso intente un objeto. devolví un conjunto vacío) así que tengo que ser capaz de hacer los cálculos 'a mano' en JSL.
¡Gracias por adelantado!
Dr. Jones,
Gracias por su respuesta. ¿Le importaría explicar cómo funciona esto en presencia de la estructura de parcelas divididas? Utilicé el diseñador personalizado para crear un factor 5 simple (2 HTC, 3 factores ETC) y obtuve un diseño con 6 WP y 8 réplicas dentro de cada WP para hacer un diseño perfectamente replicado. Ajusté el modelo utilizando REML y luego guardé la tabla de codificación para obtener la matriz X. Sin embargo, no puedo resolver X'X con la codificación utilizada para las 6 parcelas completas porque están (intencionalmente) confundidas con los factores de HTC. Si hago lo que ha especificado para los factores de ETC, obtengo el mismo ncp que JMP. Si colapso los factores de HTC a solo 6 configuraciones independientes para tratarlos como si solo hubiera 6 ejecuciones (lo que está sucediendo), obtengo un buen incluso 6 para el ncp. Sin embargo, JMP me da 5.333 y 4.741 (los valores exactos no son importantes). Entonces, algo más está sucediendo y no estoy seguro de qué es o cómo explicarlo.
Una vez más, le agradezco que se haya tomado el tiempo de proporcionar el código anterior para obtener el ncp.
Hay una diferencia entre JMP9 y JMP10 para los cálculos de potencia. En JMP9, la potencia se calculó para una relación Señal / Ruido donde el coeficiente de regresión era la señal y la desviación estándar de error era el ruido. En JMP 10, la señal para un factor de 2 niveles es el cambio en la respuesta cuando se pasa del valor bajo del factor al valor alto del factor. Así que ahora la señal es 2 veces el coeficiente de regresión para un efecto de 1 grado de libertad.
Aquí está la JSL que necesita para calcular los cálculos de potencia en JMP 9 para un efecto de 1 grado de libertad
Sea X la matriz X para el modelo.
Entonces, la varianza de los coeficientes es
varBetaHat = vecdiag (inverso (X` * X));
alfa = 0,05; // Nivel de significación por defecto
denominatorDF = 11; // df para un diseño ortogonal de 16 ejecuciones en 4 factores
Fcrit = F Quantile (1-alpha, 1, denominatorDF); // valor crítico de la distribución F
SNRatio = 1; // SNRatio por defecto
no central = (SNRatio ^ 2) / varBetaHat [2]; // no central para el primer efecto principal suponiendo que el primer efecto es la intersección
potencia = 1 - Distribución F (Fcrit, 1, denominatorDF, noncentrality);
Aquí está el JSL que necesita para calcular los cálculos de potencia en JMP 10 para un efecto de 1 grado de libertad utilizando la misma matriz X.
varContrast = 4 * vecdiag (inverso (X` * X)); // Dado que el contraste es el doble del coeficiente, su varianza es 4 veces mayor.
alfa = 0,05; // Nivel de significación por defecto
denominatorDF = 11; // df para un diseño ortogonal de 16 ejecuciones en 4 factores
Fcrit = F Quantile (1-alpha, 1, denominatorDF); // valor crítico de la distribución F
SNRatio = 2; // el valor predeterminado de SNRatio es el doble para acomodar y otorgar el mismo valor predeterminado para la potencia.
no central = (SNRatio ^ 2) / varContrast [2]; // no central para el primer efecto principal suponiendo que el primer efecto es la intersección
potencia = 1 - Distribución F (Fcrit, 1, denominatorDF, noncentrality);
