Cari colleghi,
Ho usato la mailing list SE deprecata per porre questa domanda:
un cliente desidera confrontare due metodi di dosaggio. Hanno diversi campioni per i metodi e ogni campione viene misurato tre volte. La domanda di interesse è:
"Le varianze delle tre ripetizioni sono maggiori per un metodo che per l'altro?"
Quindi l'obiettivo è testare due distribuzioni di varianze. Non ho trovato alcuna piattaforma in JMP che potesse fare un simile test e quindi ho usato Tabulate e la funzione di distribuzione F per riassumere i dati e calcolare un F-test. Il diario allegato contiene i dati, gli script e una spiegazione di ciò che ho fatto.
Mi manca qualcosa in JMP?
I miei pensieri sono corretti?
Ho fatto i passi e i calcoli corretti?
L'ho inviato insieme al diario allegato.
Ho ricevuto molte risposte che con la presente ho compilato e commentato. Grazie a tutti per i contributi.
Piattaforma di variabilità / EMS e piattaforme modello misto
Entrambe le piattaforme offrono opzioni per calcolare le varianze (medie) che mi interessano, ma non esiste alcuna opzione per eseguire un test F tra i gruppi. Per tutte le piattaforme si utilizza il set di dati del dosaggio originale. Nel grafico degli indicatori di variabilità / attributo si imposta "Metodo" come X, Raggruppamento, "ID" come Parte, ID campione e il tipo di modello impostato su "Nidificato". L'opzione "Eterogeneità dei test di varianza" esegue i calcoli desiderati. Le deviazioni standard al quadrato forniscono esattamente le statistiche F che ho calcolato usando la funzione Riepilogo. Anche la piattaforma EMS con un modello "nidificato" esamina gli effetti globali di ID e metodo e confronta la variazione delle misurazioni e non la variazione della variazione. Il modello misto con “Metodo” come effetto fisso e come “Ripetuto”, “Varianze disuguali” come struttura, “ID” come effetto casuale e “Nessuna intercettazione” fornisce risultati identici nel contorno “Stime parametro ripetizione covarianza effetti”. Ancora una volta le varianze (medie) non possono essere testate l'una contro l'altra.
Montare Y-by-X
Questa piattaforma mette tutte le misure per metodo in un secchio. Quindi il test delle varianze uguali si basa sulle deviazioni al quadrato di tutte le misurazioni all'interno di un metodo dalla loro rispettiva media di gruppo, mentre io sono interessato alle deviazioni al quadrato dai mezzi dei singoli test (per ID). Potrei eseguire l'ID come variabile di raggruppamento, ma non otterrei alcuna informazione sulle differenze tra i due metodi.
Addin confronto metodi
https://community.jmp.com/t5/JMP-Add-Ins/Method-Comparison/ta-p/21520
Questo componente aggiuntivo combina alcuni degli aspetti già discussi in precedenza e altri che richiedono dati in una struttura diversa da quella disponibile.
Conclusione
Il modo in cui il cliente desidera analizzare i dati non è sbagliato dal punto di vista metodologico. Anche il modo in cui ho fatto i calcoli è corretto. Rimangono alcuni punti deboli nell'analisi in quanto tali, ma questa è un'altra discussione.
Bernd,
Vorrei offrire una prospettiva diversa in base a ciò che hai affermato su ciò che il cliente desidera "Le varianze delle tre ripetizioni sono maggiori per un metodo rispetto all'altro?" E "l'obiettivo è testare due distribuzioni di varianze ". In tal caso, potresti semplicemente eseguire un test di Kolmogorov-Smirnov in Fit Y per X sulla colonna Varianza dalla tabella di riepilogo che hai tabulato. KS è un test non parametrico dell'uguaglianza di due distribuzioni empiriche di una variabile continua. In questo caso il continuo variabile è la varianza e si desidera confrontare i due campioni di varianza per metodo.
