JMP 13 - dove è andato Dunnett?Uso Dunnett nelle prove in serra quando esaminiamo nuovi ceppi per gli effetti sul controllo. Era solito "vivere" nella casella a scorrimento in cui si sceglie il tipo di confronto (Tukey, Student's T, LSMeans Contrast, ecc.). Non è più un'opzione. Qualcuno sa dove trovare l'opzione Dunnett o sai come confrontare un trattamento con il controllo con le opzioni ora disponibili?
Ri: JMP 13 - dove è andato Dunnett?Potremmo scrivere Dunnett nel tipo di modello che stiamo usando?
Ri: JMP 13 - dove è andato Dunnett?L'allegato non ha funzionato e Dunnett non è disponibile per quella piattaforma. Dovremo solo aspettare che lo facciano!
Jesper
Ri: JMP 13 - dove è andato Dunnett?Scusa se non ti do seguito da molto tempo; Ero fuori per maternità. Mi manca il tuo attaccamento?
Ri: JMP 13 - dove è andato Dunnett?Vedi allegato.
Ri: JMP 13 - dove è andato Dunnett?Dunnett non è implementato per REML.
Se c'è qualche ragione computazionale per cui non è possibile o particolarmente ingombrante, non lo so.
Forse semplicemente non è stato implementato - lo aggiungerò come desiderio allo sviluppo di JMP.
Ri: JMP 13 - dove è andato Dunnett?Penso che se vuoi ancora includere l'effetto casuale nel modello e fare il test di Dunnett. forse puoi cambiare il metodo da REML a EMS. Quindi Dunnett può essere eseguito sotto il modello con effetto casuale.
Br juna
Ri: JMP 13 - dove è andato Dunnett?Ho una teoria e forse MTOF può dirmi se sono fuori bersaglio o no.
La mia ipotesi è che tu abbia Trattamento nel tuo modello e gli hai assegnato l'attributo Casuale. Per JMP, l'attributo Random indica alla piattaforma di modellazione che hai campionato da un set più ampio di trattamenti, ma in realtà non sei interessato a come la scelta del trattamento influisce sul risultato, riconosci solo che la scelta del trattamento influenzerà il risultato e lo desideri per stimare quanto. In altre parole, non esiste un "trattamento" di controllo di base perché il trattamento non è qualcosa che hai controllato, solo qualcosa che è successo. Quindi il test di Dunnett, dal punto di vista di JMP, non è ragionevole, perché non esiste un campione casuale di controllo.
Il mio suggerimento sarebbe di provare a rimuovere l'attributo Random dal trattamento. Presumo che tu controlli quali sono i trattamenti (Prodotto A contro Prodotto 
e desideri confrontarli, in modo da poterli trattare in sicurezza come un Effetto fisso.
Per ulteriori spiegazioni, ho trovato questo blurb nella Guida di JMP che potrebbe spiegarlo meglio di me:
----
Effetti casuali
Un effetto casuale è un fattore i cui livelli sono considerati un campione casuale di una certa popolazione. Spesso, i livelli precisi dell'effetto casuale non sono di interesse, piuttosto è la variazione riflessa dai livelli che è di interesse (il componenti della varianza ). Tuttavia, ci sono anche situazioni in cui si desidera prevedere la risposta per un dato livello dell'effetto casuale. Tecnicamente, si considera che un effetto casuale abbia una distribuzione normale con media zero e varianza diversa da zero.
Supponiamo che tu sia interessato a sapere se due forni specifici differiscono nel loro effetto sul restringimento della muffa. Un forno può elaborare solo un lotto di 50 stampi alla volta. Si progetta uno studio in cui tre lotti selezionati casualmente di 50 stampi vengono posizionati consecutivamente in ciascuno dei due forni. Una volta che i lotti sono stati elaborati, il ritiro viene misurato per cinque parti selezionate casualmente da ciascun lotto.
Notare che Batch è un fattore con sei livelli, una volta per ogni batch. Quindi, nel tuo modello, includi due fattori, Forno e Batch. Poiché sei specificamente interessato a confrontare l'effetto di ciascun forno sul restringimento, il forno è un effetto fisso. Ma non sei interessato all'effetto di questi sei lotti specifici sul ritiro medio. Questi lotti sono rappresentativi di un'intera popolazione di lotti che avrebbero potuto essere scelti per questo esperimento e ai quali devono essere generalizzati i risultati dell'analisi. Il batch è considerato un effetto casuale. In questo esperimento, il fattore Batch è di interesse in termini di variazione del ritiro tra tutti i lotti possibili. Il tuo interesse è stimare la quantità di variazione del restringimento che spiega. (Notare che Batch è anche annidato in Oven, perché solo un batch può essere elaborato una volta in un forno.)
Supponiamo ora di essere interessato al peso delle uova per le galline sottoposte a due regimi di alimentazione. Dieci galline vengono assegnate in modo casuale ai regimi di alimentazione: a cinque viene assegnato il regime di alimentazione A e a cinque viene assegnato il regime di alimentazione B. Tuttavia, queste dieci galline presentano alcune differenze genetiche che non sono prese in considerazione nella progettazione dello studio. In questo caso, sei interessato al peso previsto delle uova di alcune galline specifiche e alla varianza dei pesi delle uova tra le galline.
Ri: JMP 13 - dove è andato Dunnett?Era 13.1, ma ho ancora installato JMP 12 per il confronto. Guardando il tuo rapporto, sembra che tu abbia assegnato l'attributo Random al numero ID del trattamento e che tu stia utilizzando REML per analizzarlo. Quando lo faccio in 12 o 13 anni, Dunnett's non è disponibile come opzione. Non capisco ancora perché, ma sto scavando nei dettagli statistici per vedere se c'è un motivo o se è solo una svista.
JMP12 JMP12
JMP13 JMP13
Ri: JMP 13 - dove è andato Dunnett?Che versione hai, 12 o 13? Ecco come appare il dettaglio dei miei effetti:
Ri: JMP 13 - dove è andato Dunnett?Quale piattaforma utilizzi di solito? Nella piattaforma Fit Y by X, Dunnett si trova in Confronta medie nel menu hotspot, mentre in Fit Model, è sotto il menu hotspot per i dettagli degli effetti.
