我目前正在使用 JMP 12 進行分析。 我需要以下方面的技術投入
- 我正在使用混合效應模型來評估站點之間的差異是否顯著
- 我想知道隨機效應站點*時間[批次]對應的wald p值來推斷影響是否顯著
請告訴我是否有可能在版本 12 中查看 Wald p 值資訊。 如果沒有選項，請告訴我可用於計算 Wald p 值的公式或程序
是否可以共用在 JMP 版本 12 中產生 Wald p 值的腳本
期待您盡快在這方面提供幫助，因為這對我們的專案至關重要
你好@迪內什,
當然可以。 此 p 值是使用 Z 作為參考分佈計算的，而變異數分量表包含獲得檢定統計量的所有要素。 您可以自行儲存表格（右鍵 > 產生資料表），然後建立兩個新列，即變異數分量與標準誤差的比率，然後建立第二列，在 z 分佈中尋找該商，透過一些簡單的算術來找出參考分佈中比該值更極端的比例。 這是一個例子：
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA\Cholesterol Stacked.jmp" );
platform = dt << Fit Model(
Y( :Y ),
Effects(
:Treatment,
:Month,
:Name( "AM/PM" ),
:Treatment * :Month,
:Treatment * :Name( "AM/PM" ),
:Month * :Name( "AM/PM" ),
:Treatment * :Month * :Name( "AM/PM" )
),
Random Effects(
:Patient[:Treatment],
:Patient * :Month[:Treatment],
:Patient * :Name( "AM/PM" )[:Treatment],
:Patient * :Month * :Name( "AM/PM" )[:Treatment]
),
NoBounds( 1 ),
Personality( "Standard Least Squares" ),
Method( "REML" ),
Emphasis( "Minimal Report" ),
Run(
:Y << {Summary of Fit( 1 ), Analysis of Variance( 0 ), Parameter Estimates( 1 ), Lack of Fit( 0 ),
Scaled Estimates( 0 ), Plot Actual by Predicted( 0 ), Plot Regression( 0 ),
Plot Residual by Predicted( 0 ), Plot Studentized Residuals( 0 ), Plot Effect Leverage( 0 ),
Plot Residual by Normal Quantiles( 0 )}
)
);
Wait( 0 );
Report( platform )[Outline Box( "Response Y" )][Outline Box( "REML Variance Component Estimates" )][
Table Box( 1 )] << Make Into Data Table;
Report( platform ) << Close Window;
New Column( "Var Component/Std Error",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( :Var Component / :Std Error ),
Set Selected
);
New Column( "Prob > |Z|",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( (1 - Normal Distribution( :Name( "Var Component/Std Error" ) )) * 2 ),
Set Selected
);
這將傳回以下內容（顯示 JMP 14，以便您可以看到 JMP 對 Wald P 值的計算，您可以確認該值與我在上述方法中計算的值相同）。
@朱利安
你好@迪內什,
JMP 12 中不顯示變異數分量的 P 值；這些 p 值已新增至 JMP 13 中。 我意識到這並不完全是您想要的，但是您可以透過查看區間中是否包含 0 來使用置信區間，其方式與 1 置信水準 alpha 下的假設檢定大致相同。 如果不是，則您的 p 值（針對相應的假設檢定）小於 1 置信水準。 如果您需要變更此置信水平，可以在啟動「擬合模型」時執行此操作：按一下啟動視窗中頂部的紅色三角形 > Alpha 等級。 
我希望這對某些人有幫助！
@朱利安
