298977_fr-FR

liliconcom

JMP ANOVA ne correspond pas aux résultats Python

Utilisation de JMP Pro 15.0 sur un Mac. J'ai mené une expérience factorielle 2 ^ 4 avec les résultats suivants:

 

Facteur1	Facteur2	Facteur3	Facteur 4	Oui
P	L	U	C	77,90909
P	U	U	C	60,63636
UNE	U	U	C	103,5833
P	L	L	C	92,76923
UNE	L	L	T	81,41667
P	L	U	T	80,92308
P	L	L	T	88,61538
UNE	L	L	C	108
UNE	U	L	C	116,3333
UNE	L	U	T	77,41667
UNE	L	U	C	88
UNE	U	L	T	105,75
UNE	U	U	T	105,75
P	U	U	T	120,3333
P	U	L	C	109,9231
P	U	L	T	99,69231

 

J'adapte un modèle, en le limitant aux effets principaux et aux interactions bidirectionnelles. Je n'ai trouvé qu'un seul effet significatif. Quelqu'un veut-il l'essayer de son côté? Mon collègue obtient des résultats différents en Python, même après s'être assuré qu'il appelait un anova de type III plutôt que la valeur par défaut Python de type II.  Ses résultats semblent être plus étroitement alignés sur les résultats séquentiels (c'est-à-dire de type I) de JMP. Mais je ne savais pas comment faire converger mes résultats vers les siens ou vice versa. J'ai pensé que je ferais mieux de commencer par vérifier que j'ai correctement implémenté le modèle dans JMP.

 

Encore une fois, j'adapte la factorielle au degré 2 uniquement. 

 

Quelqu'un est-il familier avec les incohérences JMP-Python? Et mes résultats sont-ils corrects pour commencer?  

 

 

 

Tests d'effet

 

La source	Nparm	DF	Somme des carrés	Rapport F	Prob> F
Facteur1	1	1	192,1560	1,3957	0,2906
Facteur2	1	1	1007,2948	7.3161	0,0425 *
Facteur3	1	1	483,4297	3,5112	0,1198
Facteur 4	1	1	0,4703	0,0034	0,9557
Facteur1 * Facteur2	1	1	42,9518	0,3120	0,6006
Facteur1 * Facteur3	1	1	13.0468	0,0948	0,7706
Facteur1 * Facteur4	1	1	551,1892	4,0034	0,1018
Facteur2 * Facteur3	1	1	1,6620	0,0121	0,9168
Facteur2 * Facteur4	1	1	393,5865	2,8587	0,1517
Facteur3 * Facteur4	1	1	700.2053	5,0857	0,0738

Tableau de donnéesBICHEAutreRe: JMP ANOVA ne correspond pas aux résultats Python

salut @gchesterton ,

 

Les résultats incohérents sont toujours un problème, et je déteste un mystère. En utilisant vos données, je trouve les mêmes résultats dans JMP. Pouvez-vous publier les résultats que votre collègue trouve avec Python? Le code python adapté au modèle serait également utile.

 

Vous mentionnez que ses résultats semblent correspondre aux tests séquentiels jmp. Je trouve cela déroutant. La méthode pour trouver des sommes de carrés ne ferait aucune différence dans ce genre d'expérience conçue. Ces facteurs sont orthogonaux, donc le type I SS est identique au type III SS. Vous trouverez ci-dessous la sortie du modèle d'ajustement avec les SS de type III et de type I confirmant cela. 

 

Quant à votre question générale sur les incohérences JMP-Python, je n'en connais aucune. Les incohérences dans presque tous les cas se résument à la façon dont le modèle est défini, et il me semble que vous l'avez défini correctement dans JMP. Cela m'amène à croire que votre collègue fait quelque chose de différent en Python.

 

J'espère que ça a aidé - 

@julien

Re: JMP ANOVA ne correspond pas aux résultats PythonMerci @julien . J'apprécie vos leçons YouTube. Heureux de voir que mes résultats n'étaient pas complètement hors de propos. J'ai demandé à mon collègue de partager son code.
En attendant, je ne sais toujours pas quand je dois m'attendre à ce que les anova de type I et III soient identiques. Cette condition d'orthogonalité est-elle satisfaite chaque fois que nous avons des facteurs indépendants d'une expérience conçue? Ou les facteurs doivent-ils ne présenter aucune interaction pour que cela se produise?Re: JMP ANOVA ne correspond pas aux résultats Python

salut @gchesterton ,

Je suis ravi d'apprendre que vous avez trouvé ces vidéos utiles! Lorsque la conception est équilibrée comme le garantit certaines expériences conçues (sans données manquantes), les facteurs sont orthogonaux et les types I, II et III donnent tous les mêmes résultats. Cependant, tous les plans ne présentent pas une orthogonalité complète et, dans ces cas, il existe des corrélations entre les estimations des facteurs, et les estimations des types I, II et II différeront. La présence ou l'absence d'une interaction n'est pas une considération. J'aime assez Matt Cooper article sur les différences entre les sommes de carrés de type I, II, III . C'est un peu plus ancien, mais pas une lecture trop technique et pourrait aider à clarifier certaines des différences. J'espère que cela pourra aider!

@julien