Utilizo Dunnett en ensayos de invernadero cuando estamos examinando nuevas cepas para detectar efectos sobre el control. Solía 'vivir' en el cuadro de desplazamiento hacia abajo donde se elige el tipo de comparaciones (Tukey, Student's T, LSMeans Contrast, etc.). Ya no es una opción. ¿Alguien sabe dónde encontrar la opción de Dunnett o sabe cómo comparar un tratamiento con el control con las opciones disponibles ahora?
¿Podríamos escribir a Dunnett en el tipo de modelo que estamos usando?
El archivo adjunto no funcionó y Dunnett no está disponible para esa plataforma. ¡Solo tendremos que esperar a que lo hagan!
Jesper
Lo siento, no he hecho seguimiento en mucho tiempo; Estaba de baja por maternidad. ¿Estoy extrañando tu apego?
Dunnett no está implementado para REML.
Si hay alguna razón computacional por la que no es posible o es particularmente engorrosa, no lo sé.
Tal vez simplemente no se haya implementado; lo agregaré como un deseo al desarrollo de JMP.
Creo que si aún desea incluir el efecto aleatorio en el modelo y hacer la prueba de Dunnett. tal vez pueda cambiar el método de REML a EMS. Entonces Dunnett se puede ejecutar bajo el modelo con efecto aleatorio.
Br juna
Tengo una teoría, y tal vez MTOF pueda decirme si estoy fuera del objetivo o no.
Supongo que tiene Tratamiento en su modelo y le ha asignado el atributo Aleatorio. Para JMP, el atributo Random le dice a la plataforma de modelado que ha tomado una muestra de un conjunto más grande de Tratamientos, pero que en realidad no está interesado en cómo la elección del Tratamiento afecta el resultado, simplemente reconoce que la elección del Tratamiento afectará el resultado y desea para estimar cuánto. En otras palabras, no hay un "Tratamiento" de control de referencia porque el Tratamiento no es algo que usted controle, solo algo que sucedió. Entonces, la prueba de Dunnett, desde la perspectiva de JMP, no es razonable, porque no existe tal cosa como una muestra aleatoria de control.
Mi sugerencia sería intentar eliminar el atributo Aleatorio de Tratamiento. Supongo que usted controla cuáles son los tratamientos (Producto A v Producto 
y desea compararlos, para poder tratarlo de forma segura como un Efecto fijo.
Para obtener más explicaciones, encontré esta propaganda en la Ayuda de JMP que podría explicarlo mejor que yo:
----
Efectos aleatorios
Un efecto aleatorio es un factor cuyos niveles se consideran una muestra aleatoria de alguna población. A menudo, los niveles precisos del efecto aleatorio no son de interés, más bien es la variación reflejada por los niveles lo que interesa (el componentes de varianza ). Sin embargo, también hay situaciones en las que desea predecir la respuesta para un nivel dado del efecto aleatorio. Técnicamente, se considera que un efecto aleatorio tiene una distribución normal con varianza media cero y distinta de cero.
Suponga que está interesado en saber si dos hornos específicos difieren en su efecto sobre la contracción del molde. Un horno puede procesar solo un lote de 50 moldes a la vez. Usted diseña un estudio en el que se colocan consecutivamente tres lotes de 50 moldes seleccionados al azar en cada uno de los dos hornos. Una vez que se procesan los lotes, se mide la contracción de cinco partes seleccionadas al azar de cada lote.
Tenga en cuenta que Lote es un factor con seis niveles, una vez por cada lote. Entonces, en su modelo, incluye dos factores, Horno y Lote. Debido a que está específicamente interesado en comparar el efecto de cada horno sobre la contracción, Oven es un efecto fijo. Pero no le interesa el efecto de estos seis lotes específicos sobre la contracción media. Estos lotes son representativos de toda una población de lotes que podrían haber sido elegidos para este experimento y a los que se deben generalizar los resultados del análisis. El lote se considera un efecto aleatorio. En este experimento, el factor Lote es de interés en términos de la variación en la contracción entre todos los lotes posibles. Su interés es estimar la cantidad de variación en la contracción que explica. (Tenga en cuenta que el lote también está anidado dentro del horno, porque solo se puede procesar un lote una vez en un horno).
Ahora suponga que está interesado en el peso de los huevos de las gallinas sometidas a dos regímenes de alimentación. Diez gallinas se asignan al azar a regímenes de alimentación: cinco reciben el régimen de alimentación A y cinco reciben el régimen de alimentación B. Sin embargo, estas diez gallinas tienen algunas diferencias genéticas que no se tienen en cuenta en el diseño del estudio. En este caso, le interesa el peso previsto de los huevos de determinadas gallinas específicas, así como la variación de los pesos de los huevos entre las gallinas.
Eso fue 13.1, pero también tengo JMP 12 instalado para comparar. Al mirar su informe, parece que ha asignado el atributo Random al número de identificación del tratamiento y está utilizando REML para analizarlo. Cuando hago eso en 12 o 13, Dunnett's no está disponible como una opción. Todavía no entiendo por qué, pero estoy investigando los detalles estadísticos para ver si hay una razón o si es solo un descuido.
JMP12 JMP12
JMP13 JMP13
¿Qué versión tienes, 12 o 13? Así es como se ve mi detalle de efectos:
¿Qué plataforma usas normalmente? En la plataforma Fit Y by X, Dunnett's se encuentra en Comparar medias en el menú del punto de acceso, mientras que en Ajustar modelo, está en el menú del punto de acceso para Detalles del efecto.
