JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.
파일첨부 부탁드려요
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.필드 레이아웃을 첨부했습니다. 따라서 이 필드에서 생성된 데이터는 단방향 anova를 사용해야 할까요, 아니면 양방향을 사용해야 할까요?
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.귀하의 말씀을 올바르게 이해했다면 귀하는 RCBD를 선택했지만 분할 플롯 설계를 실행했을 수도 있습니다. 그러면 반복실험은 동일한 필드의 관측치를 나타냅니다.
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.요인 수준에는 N0, N50, N100, N150, N200 및 N250이라는 레이블이 지정됩니다. 이 요인은 6개 수준의 범주형 요인으로 설계에 입력됩니다. 따라서 이는 명목 효과로 모형화됩니다. 실제로 수준 0, 50, 100, 150, 200 및 250에서 테스트되는 연속형 요인 N입니까? 그러면 모델링이 변경됩니다.
귀하의 데이터는 Excel 통합 문서에 저장되었습니다. 실험을 설계하는 데 JMP를 사용하셨나요? 워크시트를 가져왔습니다. 몇 가지 유용한 열 속성을 추가했습니다. 반복을 전체 플롯으로 다시 정의했습니다. 무작위 효과로 모델에 추가했습니다. (블록이 아니며 무작위화에 대한 제한 사항입니다. 매번 새 필드를 사용하지 않았습니다.) 저는 두 가지 모델을 적합했습니다. 하나는 원래의 처리를 범주형 요인으로 사용합니다. 다른 하나는 비선형 구성 요소가 있는 연속 효과로 새로운 요소 N을 사용합니다.
새로운 JMP 데이터 테이블을 첨부했습니다.
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.감사합니다. 우리는 다양한 분야를 가지고 있습니다. 따라서 사용된 설계는 필드 경사면에 대해 블록/반복이 만들어진 무작위 블록 설계였습니다. 치료의 무작위화는 블록 방식으로 수행되었습니다.블록/rep은 실험 오류를 최소화하도록 구성되었습니다. 이제 우리의 주요 관심은 치료 효과를 결정하는 것입니다. 그렇다면 단방향 ANOVA여야 할까요, 아니면 양방향이어야 할까요?
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.예를 들어 반복실험을 항으로 추가하거나 블록 그리고 블로킹 . 특정 용어를 사용하는 것이 혼란스럽습니다.
디자인은 어디서 구하셨나요? 어떤 효과를 추정하려고 했나요? 데이터를 수집한 뒤 어떻게 분석할지 고민한 것 같습니다. 최적의 설계는 분석에서 의도한 모델을 기반으로 합니다.
또한, 연구 목적을 밝히지 않았습니다. 무엇을 배우려고 하시나요?
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.귀하의 데이터 세트에서 차단 구조를 발견하지 못했습니다. 실제로 실행을 차단한 경우 이 효과를 추정하기 위해 항을 추가하기 전에 해당 효과가 고정인지 무작위인지 결정해야 합니다.
모델에 반복실험을 입력하지 마세요. 이는 응답의 무작위 오류로 가정됩니다. 이는 일정한 분산을 갖는 정규 분포로 가정됩니다. 이는 모델 오류에 대한 모델 종속 추정치인 RMSE를 추정하는 데 사용됩니다. 이는 완전한 무작위화 하에서 실행 간 정규 변형을 나타내야 합니다.
Oneway 플랫폼과 Fit Least Squares 플랫폼은 모두 모델 매개변수를 추정할 수 있지만 사용 가능한 많은 옵션과 관련하여 다릅니다. 또한 블록 효과를 추가하기로 결정한 경우 Oneway를 사용할 수 없습니다.
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.매우 감사합니다 
또 다른 질문 - 블록/반복을 사용했는데 왜 모델에서 반복을 사용하지 않았습니까?
또한 맞춤 모델을 사용해야 하나요, 아니면 Y를 X로 맞춰야 하나요?저는 데이터를 분석해서 첨부된 표를 보고 조언을 드렸습니다.
Re: JMP를 사용하여 5회 반복 무작위 완전 블록 설계를 사용한 경우 변동 계수(CV)를 계산하는 방법입니다. JMP 테이블 요약을 사용하여 계산하면 17이 되지만 오류 평균 제곱합을 사용하여 수동으로 계산하면 7이 됩니다.CV를 추정하기 위해 표 > 요약을 어떻게 사용했는지 모르겠습니다. CV를 어떻게 수동으로 계산했는지 모르겠습니다. 나는 이 결과 중 어느 하나도 평가할 수 없습니다.
나는 당신이 응답의 CV를 추정하고 싶다고 가정합니다. RMSE/평균으로 나타낸 추정치가 가장 좋은 추정치입니다. 고정 효과는 모델 제곱합에서 설명되었으며 RMSE에는 무작위 효과만 남겨졌습니다.
Oneway 플랫폼을 사용한 분산 분석은 다음과 같습니다.
따라서 추정된 CV는 약 7%입니다.
