Ich verwende Dunnett in Gewächshausversuchen, wenn wir neue Stämme auf Auswirkungen auf die Kontrolle untersuchen. Früher lebte es im Bildlauffeld, in dem Sie die Art der Vergleiche auswählen (Tukey, Student's T, LSMeans Contrast usw.). Es ist keine Option mehr. Weiß jemand, wo die Dunnett-Option zu finden ist, oder wissen Sie, wie Sie eine Behandlung mit der Kontrolle mit den jetzt verfügbaren Optionen vergleichen können?
Könnten wir Dunnett in dem von uns verwendeten Modelltyp schreiben?
Der Anhang hat nicht funktioniert und Dunnett ist für diese Plattform nicht verfügbar. Wir müssen nur darauf warten, dass sie es schaffen!
Jesper
Entschuldigung, ich habe lange nicht mehr nachgearbeitet. Ich war im Mutterschaftsurlaub. Vermisse ich deinen Eigensinn?
Dunnett ist für REML nicht implementiert.
Ob es einen rechnerischen Grund gibt, warum dies nicht möglich oder besonders umständlich ist, weiß ich nicht.
Vielleicht wurde es einfach nicht implementiert - ich werde es als Wunsch zur JMP-Entwicklung hinzufügen.
Ich denke, wenn Sie immer noch zufällige Effekte in das Modell aufnehmen und einen Dunnett-Test durchführen möchten. Vielleicht können Sie die Methode von REML auf EMS ändern. Dann kann Dunnett unter dem Modell mit Zufallseffekt ausgeführt werden.
Br juna
Ich habe eine Theorie und vielleicht kann MTOF mir sagen, ob ich nicht am Ziel bin oder nicht.
Ich vermute, Sie haben Behandlung in Ihrem Modell und Sie haben ihm das Attribut Zufällig zugewiesen. Für JMP teilt das Zufallsattribut der Modellierungsplattform mit, dass Sie eine Stichprobe aus einer größeren Anzahl von Behandlungen erstellt haben. Sie sind jedoch nicht daran interessiert, wie sich die Wahl der Behandlung auf das Ergebnis auswirkt. Sie erkennen lediglich, dass die Wahl der Behandlung das Ergebnis beeinflusst und Sie möchten zu schätzen, wie viel. Mit anderen Worten, es gibt keine Basiskontrolle "Behandlung", da die Behandlung nicht von Ihnen kontrolliert wird, sondern nur von etwas, das passiert ist. Aus JMP-Sicht ist Dunnetts Test also nicht sinnvoll, da es keine Kontroll-Zufallsstichprobe gibt.
Mein Vorschlag wäre, das Random-Attribut aus der Behandlung zu entfernen. Ich gehe davon aus, dass Sie die Behandlung kontrollieren (Produkt A gegen Produkt 
und Sie sie vergleichen möchten, damit Sie sie sicher als festen Effekt behandeln können.
Zur weiteren Erklärung habe ich diesen Klappentext in der JMP-Hilfe gefunden, der ihn möglicherweise besser erklärt als ich:
----
Zufällige Effekte
Ein zufälliger Effekt ist ein Faktor, dessen Werte als Zufallsstichprobe aus einer bestimmten Population betrachtet werden. Oft sind die genauen Niveaus des Zufallseffekts nicht von Interesse, sondern es ist die Variation, die sich in den Niveaus widerspiegelt, die von Interesse sind (die Varianzkomponenten ). Es gibt jedoch auch Situationen, in denen Sie die Reaktion für eine bestimmte Stufe des Zufallseffekts vorhersagen möchten. Technisch gesehen wird angenommen, dass ein zufälliger Effekt eine Normalverteilung mit einer mittleren Varianz von Null und einer Varianz ungleich Null aufweist.
Angenommen, Sie interessieren sich dafür, ob sich zwei bestimmte Öfen in ihrer Wirkung auf den Schimmelpilzschrumpf unterscheiden. Ein Ofen kann jeweils nur eine Charge von 50 Formen verarbeiten. Sie entwerfen eine Studie, in der drei zufällig ausgewählte Chargen von 50 Formen nacheinander in jeden der beiden Öfen gegeben werden. Sobald die Chargen verarbeitet sind, wird die Schrumpfung für fünf Teile gemessen, die zufällig aus jeder Charge ausgewählt wurden.
Beachten Sie, dass Charge ein Faktor mit sechs Ebenen ist, einmal für jede Charge. In Ihrem Modell sind also zwei Faktoren enthalten: Ofen und Charge. Da Sie speziell daran interessiert sind, die Auswirkung jedes Ofens auf das Schrumpfen zu vergleichen, ist der Ofen ein fester Effekt. Sie sind jedoch nicht an der Auswirkung dieser sechs Chargen auf die mittlere Schrumpfung interessiert. Diese Chargen sind repräsentativ für eine ganze Population von Chargen, die für dieses Experiment ausgewählt worden sein könnten und auf die sich die Ergebnisse der Analyse verallgemeinern müssen. Batch wird als zufälliger Effekt betrachtet. In diesem Experiment ist der Chargenfaktor im Hinblick auf die Variation der Schrumpfung zwischen allen möglichen Chargen von Interesse. Ihr Interesse besteht darin, das Ausmaß der Schwankungsschwankungen abzuschätzen, die darin erklärt werden. (Beachten Sie, dass die Charge auch im Ofen verschachtelt ist, da nur eine Charge einmal in einem Ofen verarbeitet werden kann.)
Angenommen, Sie interessieren sich für das Gewicht von Eiern für Hühner, die zwei Fütterungsregimen ausgesetzt sind. Zehn Hühner werden zufällig den Fütterungsregimen zugeordnet: Fünf erhalten das Fütterungsregime A und fünf das Fütterungsregime B. Diese zehn Hühner weisen jedoch einige genetische Unterschiede auf, die im Design der Studie nicht berücksichtigt werden. In diesem Fall interessieren Sie das vorhergesagte Gewicht der Eier von bestimmten spezifischen Hühnern sowie die Varianz der Eiergewichte zwischen Hühnern.
Das war 13.1, aber ich habe auch noch JMP 12 zum Vergleich installiert. Wenn Sie sich Ihren Bericht ansehen, sieht es so aus, als hätten Sie der Behandlungs-ID das Attribut "Zufällig" zugewiesen und verwenden REML, um ihn zu analysieren. Wenn ich das in 12 oder 13 mache, ist Dunnett's nicht als Option verfügbar. Ich verstehe noch nicht warum, aber ich untersuche die statistischen Details, um zu sehen, ob es einen Grund gibt oder ob es nur ein Versehen ist.
JMP12 JMP12
JMP13 JMP13
Welche Version hast du, 12 oder 13? So sieht mein Effektdetail aus:
Welche Plattform verwenden Sie normalerweise? In der Fit Y by X-Plattform befindet sich Dunnett's im Hotspot-Menü unter "Mittel vergleichen", während es sich in "Fit-Modell" unter dem Hotspot-Menü für Effektdetails befindet.
