MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />私は、複数の要因が最終的なパフォーマンスにどのように影響するかを調べるために使用するのに最適な方法は何かを理解しようとしています。
たとえば、1つのオブジェクトがいくつかの連続したプロセスステップA、B、C、Dを通過し、メトリックX、Y、Zを使用して最終的なパフォーマンスを測定できます。したがってABCDは独立変数、XYZは応答です。それぞれの独立したステップに対して、いくつかの異なるプロセス条件があります：A1、A2、A3、B1、B2 ... 最終実験結果テーブルには、異なるプロセス条件の組み合わせを持つエントリオブジェクトが含まれます。たとえば、1つのオブジェクトはA1-B2-C1-D3のプロセス条件を通過することによって生成され、別のサンプルはA2-B3-C4-D1になります。等
私の目標は、どのプロセスステップが回答に重大な変化をもたらすのかを見つけることです。
MANOVAを使うべきですか？MANOVAの使用例を見ました
http://www.scientificcomputing.com/articles-DA-A-Multiplatform-Look-at-Multivariate-Analysis-120809.aspx
しかし、この例では、変数（治療法）が1つしかなく、反応が異なる治療法にどのように変化するかを確認しています。
私の場合、応答は互いの上に積み重ねられた複数の変数の影響を受けます。MANOVAを使うにはどうすればいいですか？計算に十分な自由度があるためには、それぞれにいくつのデータポイントが必要ですか。
ご協力ありがとうございます。私はJMP8を使います。
ティファニー
MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？交絡している問題のために、私が考えることができる唯一のものは混合モデルアプローチです。 私はあなたが欲しいものを引き出すための他の方法を本当に見ることができません。 いずれにせよ、ここでもう少し考えています。 プロセスBとプロセスCは変則的な効果だと思います。たとえば、プロセスCのインスタンス1〜4では、C1とC2の意味が異なると考える理由はありますか。私は、プロセスのさまざまなインスタンスが、固定量ではなく変動性を追加するだけであると思います。 プロセスBについても同じことが当てはまり、ここでは完全に分離されているため、追加される変動性は2つの厚さで異なる場合があります。
JMPでこれを行う方法はわかりませんが、混合モデル推定手順が利用可能であることはわかります。 選択リストから、固定効果としてA、ランダム効果としてB、C、およびAとBの相互作用を含めます。 AとCの相互作用を含めることも可能かもしれませんが、C6は問題を多少複雑にします。 シミュレートしたデータを使用して、SASで分析を実行できましたが、相互作用のランダム効果は単なる問題です。 分析からC6を削除することはできません。その場合、A2のあるバッチ（C5）は1つだけです。 私ができた最善は
proc glimmix data = one;
クラスabc。
モデルx = a / ddfm = kr;
ランダムb /解群= a。
ランダムC /ソリューション。
走る。
私はJMPに同等のものがあることを願っています - おそらく他の人が "飛び込んで"助けてくれることでしょう。
スティーブデンハム
MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？こんにちはスティーブ、
あなたの時間と助けてくれてありがとう。
明確にさせてください。
Ａ）２つの厚さの合計１０８個のサンプル：７８個のＡ１および３０個のＡ２。
Ｂ）これらの試料は工程Ｂ（オーブン内熱処理）に入った。すべてのサンプルをまとめて通過させたいのですが、オーブンのスペースに限りがあるため、一度に収容できるサンプルは6つだけなので、このステップで厚さA1（B1、B2、B3…B13）は13バッチになります。厚さA2（B14、B15…B18）に5バッチ。（合計：１３×６ ＋ ５×６ ＝ １０８）この工程は、厚さの差に加えてバッチ間変動をもたらした。
C）その後、これらすべてのサンプルはプロセスC（チャンバー内の圧力ステップ）に入りました。このチャンバーはプロセスBで使用されるオーブンよりも大きいため、合計6回の実行につき18サンプルを処理できます（C1、C2…C6）。１８ ＊ ６ ＝ １０８）。各Ｃバッチは３つのＢバッチからのサンプルを含んでいた。同じ厚さのサンプルを、工程ＢからのＡ１厚さを超える（Ｂ１３）、および工程ＢからのＡ２厚さを超える（Ｂ１７、Ｂ１８）最終バッチＣ６を除いて、できるだけ一緒にまとめた。
C1 = B1 + B2 + B3
C2 = B4 + B5 + B6
C3 = B7 + B8 + B9
C4 = B10 + B11 + B12
C5 = B14 + B15 + B16
C6 = B13 + B17 + B18
その後、すべてのサンプルのパラメータXを測定しました。プロセスBとプロセスCの厚さ、b間のばらつきがXに与える影響を調べたいと思います。
あるいは、さらに単純化して絞り込むために、Ｃ１〜Ｃ４は厚さＡ１のみを含むので、厚さＡ１での工程ＢまたはＣのｂからｂへの変動からＸに見られる変動はどれほどであるかという質問ができる。二元配置分散分析ですか。しかし、私は多方向（> 3）ANOVAの使い方を学びたいと思います。なぜなら私は他のプロセス上の問題もより多くの要因で抱えているからです。
どうもありがとうございます。あなたや他の専門家からの連絡をお待ちしています！
ティファニー
MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？それでもややBとCの状況に混乱し、そして2つの厚さをBプロセスに渡す不均衡について心配していました。 後者を最初に取り上げたいと思います。 サンプルはどのようにバッチに割り当てられますか？図18は78か30のどちらかに均等に分割されていないので、解析は厚さ効果とプロセスBのバッチ効果を混同します。18個のバッチにはA2が1つだけ含まれ、準平衡設計が使用されている場合は12個になります。 A1とA2の数が異なると、バッチ間のばらつきが大幅に増えることを恐れています。
それからB1の6つのサンプルは6つの別々のバッチのCプロセスによってそれから処理されます。各バッチの13のA1および5のA2サンプルの一定の比率がありますか。サンプルはどのようにCバッチに集約されますか？
単一の固定効果（A）と4つのランダム効果（B、C、A * B、A * C、3方向は本質的にノイズ）を組み合わせた混合モデルとしてこれを読みました。 応答X、Y、Zをバッチ上で繰り返し測定値として扱うこともできますが、MANOVAとしてではなく、各応答変数を個別にモデル化することにします。 これが可能かどうかを知るための十分なJMP経験はありませんが、SASでは、PROC GLIMMIXの適切なRANDOMステートメントを使用してそれを実行できます。
この記事の最初の部分が、このデザインについて考える上で役立つことを願っています。
スティーブデンハム
MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？お返事をどうもありがとう。それは私の考えをクリアするのに非常に役立ちます。
変数A、B、C ... サンプルが通過した履歴の属性です。 これが詳細な例です。
合計108サンプルのグループには、以下のプロセス/履歴/条件があります。
A）2つの厚さA1、A2。厚さA1に78サンプル、厚さA2に30サンプルあります。だから厚さは一つの変数になります。
B）すべてのサンプルは18バッチ - B1、B2、B3、B4、B5、B6、…の1つのプロセスを通過します。B18 各バッチには6つのサンプルが含まれています。B1〜B18はすべてこのプロセスの独立した実行です。バッチ間変動は1つの変数になります。
Ｃ）工程Ｂ）の後、全ての試料は３倍高い処理量を有する別のプロセスを経る、すなわち１バッチは１８試料を収容することができる。だから合計6バッチがあります。C1、C2、C3 ... Ｃ６。バッチ間変動は別の変数になります。
その後、最終性能Ｘが各サンプルについて測定される。目標は、Xに見られる変動の主な原因はどれかを調べることです。それは主に厚さの違いAからですか。それともプロセスBのバッチごとの変動？またはプロセスCの？
私はJMP8しか持っていません。上記の問題を理解するためにJMPを使用する方法についての提案があれば本当にありがたいです。本当にありがとう！
ティファニー
MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？JMPもPLSを行うことができます - それは分析/多変量法の下にあります。
マリアンヌ
MANOVAはこれに最適ですか、それとも他の方法を使用する必要がありますか？これ以上の情報がないと答えるのは難しい質問です。 デザインは完全に階乗的であり、A、B、C、およびDのすべてのレベルが研究で観察されるようになっていますか？応答は少なくとも正規分布のようなものである連続変数ですか？十分な数の観測値がありますか。特に、設計変数のそれぞれに4つのレベルがあり、したがって256通りの組み合わせが考えられるとします。 それぞれの組み合わせに対しておおよそ4つの観測がありますか。これらの仮定のいずれかが完全に満たされていない場合、MANOVAは問題を抱えている可能性があります。
256個すべての組み合わせがない場合（各設計変数に対して4つのレベルがあると仮定した場合）、例にあるものを書き換えて使用することができますか？つまり、Treatment1はA1-B1-C1-D1のようになり、既存の組み合わせを使い果たすまで続きます。 これはMANOVAのためによりよく働くかもしれません。 その場合、設計変数の影響を調べるために適切な対比を構築することが困難になります。
もしあなたがSASを使っていたら、PROC PLSを見ることを検討するでしょう。 JMPの同等の方法がどうなるかわかりません。
スティーブデンハム
