我目前正在使用 JMP 12 进行分析。 我需要以下方面的技术投入
- 我正在使用混合效应模型来评估站点之间的差异是否显着
- 我想知道随机效应站点*时间[批次]对应的wald p值来推断影响是否显着
请告诉我是否有可能在版本 12 中查看 Wald p 值信息。 如果没有选项，请告诉我可用于计算 Wald p 值的公式或程序
是否可以共享在 JMP 版本 12 中生成 Wald p 值的脚本
期待您尽快在这方面提供帮助，因为这对我们的项目至关重要
你好@迪内什,
当然可以。 该 p 值是使用 Z 作为参考分布计算的，方差分量表包含获得检验统计量的所有要素。 您可以自己保存表格（右键单击 > 生成数据表），然后创建两个新列，即方差分量与标准误差的比率，然后创建第二列，在 z 分布中查找该商，通过一些简单的算术来找到参考分布中比该值更极端的比例。 这是一个例子：
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
);
这将返回以下内容（显示 JMP 14，以便您可以看到 JMP 对 Wald P 值的计算，您可以确认该值与我在上述方法中计算的值相同）。
@朱利安
你好@迪内什,
JMP 12 中不显示方差分量的 P 值；这些 p 值已添加到 JMP 13 中。 我意识到这并不完全是您想要的，但是您可以通过查看区间中是否包含 0 来使用置信区间，其方式与 1 置信水平 alpha 下的假设检验大致相同。 如果不是，则您的 p 值（针对相应的假设检验）小于 1 置信水平。 如果您需要更改此置信水平，可以在启动“拟合模型”时执行此操作：单击启动窗口中顶部的红色三角形 > Alpha 级别。 
我希望这对一些人有帮助！
@朱利安
