이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />여러 요인이 최종 실적에 미치는 영향을 연구하는 데 가장 좋은 방법이 무엇인지 이해하려고합니다.
예를 들어, 하나의 객체가 여러 개의 연속 된 프로세스 단계 A, B, C, D를 거쳐 메트릭 X, Y, Z를 사용하여 최종 성능을 측정합니다. 따라서 ABCD는 독립 변수이고 XYZ는 응답입니다. 각각의 독립적 인 단계에는 A1, A2, A3, B1, B2 ....와 같은 몇 가지 공정 조건이 있습니다. 최종 실험 결과 테이블에는 다른 공정 조건의 조합을 가진 입력 개체가 포함됩니다. 예를 들어 A1-B2-C1-D3의 프로세스 조건을 통과하여 하나의 개체가 생성되고 다른 샘플은 A2-B3-C4-D1이됩니다 기타
내 목표는 어떤 프로세스 단계가 응답에 중요한 변화를 일으키는 지 알아내는 것입니다.
MANOVA를 사용해야합니까? 나는 MANOVA를 사용하는 한 가지 예를 보았다.
http://www.scientificcomputing.com/articles-DA-A-Multiplatform-Look-at-Multivariate-Analysis-120809.aspx
그러나이 예에서는 하나의 변수 (치료) 만 있고 반응이 다른 치료법으로 어떻게 변하는지를 볼 수 있습니다.
필자의 경우 응답은 서로 위에 겹쳐진 여러 변수의 영향을받습니다. MANOVA를 사용하는 방법이나 다른 방법이 더 적합합니까? 계산을위한 충분한 자유도를 갖기 위해 필요한 데이터 포인트의 수는 얼마나됩니까?
어떤 도움을 주셔서 감사합니다! 나는 JMP8을 사용한다.
티파니
이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?혼란스런 문제로 인해 내가 생각할 수있는 유일한 방법은 혼합 모델 방식입니다. 나는 네가 원하는 것을 끌어낼 수있는 다른 방법을 정말로 볼 수 없다. 어쨌든 여기에 더 많은 생각들이 있습니다. 프로세스 B와 프로세스 C가 무작위 효과라고 생각합니다. 예를 들어, 프로세스 C에서 인스턴스 1에서 4까지는 C1이 C2와 다른 평균을 가지고 있다고 믿을만한 이유가 있습니까? 나는 프로세스의 다른 인스턴스가 고정 된 양보다는 변동성 만 추가한다고 생각한다. 공정 B의 경우에도 동일하게 적용되며 여기서는 완전한 분리가 있으므로 변동성이 두 두께에 대해 다를 수 있습니다.
JMP에서이 작업을 수행하는 방법을 모르지만 혼합 모델 추정 절차가 있다는 것을 알고 있습니다. 선택 목록에서 A를 고정 효과로, B와 C, A와 B의 상호 작용을 무작위로 나타냅니다. A와 C의 상호 작용을 포함 할 수도 있지만 C6은 문제를 다소 복잡하게 만듭니다. 일부 시뮬레이션 데이터를 사용하여 SAS에서 분석을 수행 할 수 있었지만 상호 작용 임의 효과는 단지 문제 일뿐입니다. 분석에서 C6을 삭제할 수 없으므로 A2가있는 일괄 처리 (C5) 만 있습니다. 내가 할 수있는 최선의 방법은
proc glimmix 데이터 = 1;
클래스 abc;
모델 x = a / ddfm = kr;
랜덤 b / 솔루션 그룹 = a;
랜덤 c / 솔루션;
운영;
JMP에 상응하는 프로그램이 있기를 바랍니다. 아마도 다른 사람들이 "뛰어"들어가 도움을받을 수 있습니다.
스티브 덴햄
이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?안녕 스티브,
시간과 도움을 많이 주셔서 감사합니다!
제발 내가 명확히하자 :
A) 두 가지 두께의 총 108 개 샘플 : A1의 78 개와 A2의 30 개.
이 샘플은 프로세스 B (anoven의 열처리)에 들어갔다. 모든 샘플을한데 모으고 싶지만 오븐 공간 제한으로 매회 6 개의 샘플을 수용 할 수 있으므로이 단계는 두께 A1 (B1, B2, B3 ... B13)의 13 배치로 끝났습니다. 두께 A2 (B14, B15 ... B18)에 대해 5 배치. (총계 : 13 * 6 + 5 * 6 = 108)이 단계는 두께 차이의 상단에 일괄 배치 변화를 도입했습니다.
C) 그런 다음이 모든 샘플은 프로세스 C (챔버의 압력 단계)로 들어갔다.이 챔버는 프로세스 B에 사용 된 오븐보다 큽니다. 따라서 총 18 개의 샘플이 총 6 회의 C1, C2 ... C6 18 * 6 = 108). 각 C 배치에는 3 개의 B 배치 샘플이 포함되어 있습니다. 공정 B (B13)에서 남은 A1 두께를 포함하고 공정 B (B17, B18)에서 A2 두께를 남긴 최종 배치 C6을 제외하고는 같은 두께의 시료를 가능한 한 많이 그룹화했다.
C1 = B1 + B2 + B3
C2 = B4 + B5 + B6
C3 = B7 + B8 + B9
C4 = B10 + B11 + B12
C5 = B14 + B15 + B16
C6 = B13 + B17 + B18
그 후, 모든 샘플을 파라미터 X에 대해 측정했습니다. 프로세스 B와 프로세스 C의 두께, b 대 b 변화가 X에 미치는 영향을 알고 싶습니다.
또는 C1-C4가 두께 A1 만 포함하므로 더 단순화하고 범위를 좁히기 위해 두께 A1에서 프로세스 B 또는 C의 b-to-b 변화에 따른 X의 변화량에 대해 질문 할 수 있습니다. 어쩌면 양방향 ANOVA일까요? 그러나 여러 가지 요인으로 다른 프로세스 문제가 있기 때문에 다중 방향 (> 3) ANOVA를 사용하는 방법을 배우고 싶습니다.
정말 고마워요. 당신이나 다른 전문가의 의견을 기다리십시오!
티파니
이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?아직도 B와 C 상황에 다소 혼란스러워하고 두 가지 두께를 B 공정에 통과시키는 불균형에 대해 우려하고있다. 나는 후자를 먼저 다루고 싶다. 샘플을 배치에 어떻게 할당합니까? 18은 78 또는 30으로 균등하게 나뉘어지지 않으므로 분석은 공정 B 배치 효과와 두께 효과를 혼동시킵니다. 배치 중 18 개는 A2를 하나만 가지며, 준 균형 설계를 사용하는 경우 12 개는 2를 갖습니다. 다른 수의 A1과 A2를 사용하면 일괄 처리 변동성이 크게 늘어날 것입니다.
그런 다음 B1의 6 개 샘플을 6 개의 개별 배치로 C 프로세스를 통해 처리합니다. 각 배치에 13 A1과 5 A2 샘플의 비율이 일정합니까? 샘플을 C 배치로 어떻게 집계합니까?
나는 하나의 고정 효과 (A)와 관심의 4 가지 무작위 효과 (B, C, A * B 및 A * C, 기본적으로 잡음 인 3 가지 방법)를 혼합 된 모델로 읽었다. MANOVA가 아닌 각 응답 변수를 개별적으로 모델링 할 것입니다. 응답 X, Y 및 Z를 배치에서 반복되는 측정 값으로 처리 할 수는 있습니다. 이것이 가능한지를 알기에 충분한 JMP 경험이 없지만 SAS에서는 PROC GLIMMIX의 적절한 RANDOM 문을 사용하여 수행 할 수 있습니다.
이 글의 첫 번째 부분이이 디자인에 대해 생각해보기를 바랍니다.
스티브 덴햄
이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?답장을 보내 주셔서 감사합니다. 그것은 내 생각을 정리하는 데 매우 도움이됩니다.
변수 A, B, C ... 샘플이 통과하는 역사의 속성입니다. 하나의 상세한 예제가 있습니다.
총 108 개의 샘플 그룹은 다음 프로세스 / 히스토리 / 조건을가집니다.
A) 두 개의 두께 A1, A2. 두께 A1에서 78 샘플, 두께 A2에서 30 샘플이있다. 따라서 두께가 하나의 변수가됩니다.
모든 샘플은 B1, B2, B3, B4, B5, B6, ... 18 개의 배치로 하나의 프로세스를 거칩니다. B18. 각 배치에는 6 개의 샘플이 들어 있습니다. B1-B18은 모두이 과정에서 독립적으로 실행됩니다. 일괄 변이에 배치는 하나의 변수가됩니다.
C) 단계 후에, 모든 샘플은 3 배 높은 처리량을 갖는 다른 공정을 거친다. 즉, 하나의 배치가 18 샘플을 accommerdate 할 수있다. 총 6 개의 배치가 있습니다. C1, C2, C3 ... C6. 일괄 변이에 배치는 또 다른 변수가 될 것입니다.
그 후 최종 성능 X가 각 샘플에 대해 측정됩니다. 목표는 X에서 볼 수있는 변형의 주요 기여도를 확인하는 것입니다. 두께 차이 A가 대부분입니까? 또는 공정 B에서 배치 대 배치 변화? 또는 프로세스 C에서?
JMP8 만 있습니다. JMP를 사용하여 위의 문제를 이해하는 방법에 대한 제안 사항에 진심으로 감사드립니다. 정말 고마워!
티파니
이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?JMP는 PLS도 수행 할 수 있습니다. 분석 / 다 변수 메소드 아래에 있습니다.
BR, Marianne
이를 위해 MANOVA가 가장 좋습니까? 아니면 다른 방법을 사용해야합니까?이것은 더 많은 정보없이 대답하기 어려운 질문입니다. 모든 수준의 A, B, C 및 D가 연구에서 관찰되도록 설계가 완전히 계승 있습니까? 응답이 적어도 정규 분포와 같은 연속 변수입니까? 충분한 수의 관측이 있습니까? 특히, 각각의 설계 변수에 대해 4 단계로 나누어 256 가지 가능한 조합을 제공한다고 가정합니다. 각 조합에 대해 대략 네 가지 관찰이 있습니까? 이러한 가정 중 하나라도 충족되지 않으면 MANOVA가 문제가 될 수 있습니다.
256 개의 조합을 모두 가지고 있지 않은 경우 (각 설계 변수에 대해 4 단계로 가정), 예제에있는 코드를 다시 코딩하고 사용할 수 있습니까? 즉 : Treatment1은 A1-B1-C1-D1이며, 기존 조합을 다 소모 할 때까지 계속됩니다. 이것은 MANOVA에서 더 잘 작동 할 것입니다. 그러면 어려움은 설계 변수의 효과를보기 위해 적절한 대비를 구성하는 데 있습니다.
SAS를 사용하고 있다면 PROC PLS를 살펴볼 것입니다. 나는 JMP에서 동등한 방법이 무엇인지 알지 못한다.
스티브 덴햄
