JMP ANOVA no coincide con los resultados de PythonUsando JMP Pro 15.0 en una Mac. Realicé un experimento factorial 2^4 con los siguientes resultados:
| Factor1 | factor2 | Factor3 | Factor4 | Y |
| PAGS | L | tu | C | 77.90909 |
| PAGS | tu | tu | C | 60.63636 |
| A | tu | tu | C | 103.5833 |
| PAGS | L | L | C | 92.76923 |
| A | L | L | T | 81.41667 |
| PAGS | L | tu | T | 80.92308 |
| PAGS | L | L | T | 88.61538 |
| A | L | L | C | 108 |
| A | tu | L | C | 116.3333 |
| A | L | tu | T | 77.41667 |
| A | L | tu | C | 88 |
| A | tu | L | T | 105.75 |
| A | tu | tu | T | 105.75 |
| PAGS | tu | tu | T | 120.3333 |
| PAGS | tu | L | C | 109.9231 |
| PAGS | tu | L | T | 99.69231 |
Ajuste un modelo, limitándolo a los efectos principales y las interacciones bidireccionales. Sólo encontré un efecto significativo. ¿Alguien quiere probarlo en su extremo? Mi colega está obteniendo resultados diferentes en Python, incluso después de asegurarse de que está solicitando un anova de tipo III en lugar del valor predeterminado de Python de tipo II.Sus resultados parecen estar más alineados con los resultados secuenciales (es decir, tipo I) de JMP. Pero no sabía cómo hacer que mis resultados convergieran en los suyos o viceversa. Pensé que mejor empezaría por verificar que he implementado correctamente el modelo en JMP.
Nuevamente, ajusté el factorial al grado 2 solamente.
¿Alguien está familiarizado con las inconsistencias de JMP-Python? ¿Y mis resultados están bien para empezar?
Pruebas de efecto
Fuente | Nparm | DF | Suma de cuadrados | Relación F | Problema > F |
Factor1 | 1 | 1 | 192.1560 | 1.3957 | 0.2906 |
factor2 | 1 | 1 | 1007.2948 | 7.3161 | 0.0425* |
Factor3 | 1 | 1 | 483.4297 | 3.5112 | 0.1198 |
Factor4 | 1 | 1 | 0.4703 | 0.0034 | 0.9557 |
Factor1*Factor2 | 1 | 1 | 42.9518 | 0.3120 | 0.6006 |
Factor1*Factor3 | 1 | 1 | 13.0468 | 0.0948 | 0.7706 |
Factor1*Factor4 | 1 | 1 | 551.1892 | 4.0034 | 0.1018 |
Factor2*Factor3 | 1 | 1 | 1.6620 | 0.0121 | 0.9168 |
Factor2*Factor4 | 1 | 1 | 393.5865 | 2.8587 | 0.1517 |
Factor3*Factor4 | 1 | 1 | 700.2053 | 5.0857 | 0.0738 |
Tabla de datosGAMAOtroRe: JMP ANOVA no coincide con los resultados de PythonHola @gchesterton ,
¡Me alegra saber que estos videos te han resultado útiles! Cuando el diseño está equilibrado en la forma en que ciertos experimentos diseñados aseguran (sin datos faltantes), los factores son ortogonales y los tipos I, II y III dan todos los mismos resultados. Sin embargo, no todos los diseños exhiben una ortogonalidad completa y, en esos casos, existen correlaciones entre las estimaciones de los factores, y las estimaciones de Tipo I, II, II serán diferentes. La presencia o ausencia de una interacción no es una consideración.me gusta bastante el de matt cooper artículo sobre las diferencias entre las sumas de cuadrados de Tipo I,II,III . Es un poco más antiguo, pero no es una lectura demasiado técnica y podría ayudar a aclarar algunas de las diferencias. ¡Espero que ayude!
@Julian
Re: JMP ANOVA no coincide con los resultados de PythonGracias @Julian . Me gustan tus lecciones de YouTube. Me alegro de ver que mis resultados no estaban completamente fuera de lugar. Le pedí a mi colega que compartiera su código.
Mientras tanto, todavía no tengo claro cuándo debo esperar que los anova tipo I y III sean iguales. ¿Se cumple esta condición de ortogonalidad cada vez que tenemos factores independientes de un experimento diseñado? ¿O es necesario que los factores no muestren interacción para que esto se cumpla?Re: JMP ANOVA no coincide con los resultados de PythonHola @gchesterton ,
Los resultados inconsistentes son siempre una molestia, y odio los misterios. Usando sus datos, encuentro resultados idénticos en JMP. ¿Puede publicar los resultados que su colega está encontrando con python? El código Python para ajustarse al modelo también sería útil.
Usted menciona que sus resultados parecen coincidir con las pruebas secuenciales jmp. Encuentro esto confuso. El método para encontrar sumas de cuadrados no haría ninguna diferencia en este tipo de experimento diseñado. Estos factores son ortogonales, por lo que los SS Tipo I son idénticos a los SS Tipo III. A continuación se muestra la salida del modelo de ajuste con el Tipo III y el Tipo I SS que lo confirman.
En cuanto a su pregunta general sobre las inconsistencias de JMP-Python, no tengo conocimiento de ninguna. Las inconsistencias en casi todos los casos se reducen a cómo se define el modelo, y me parece que lo has definido correctamente en JMP. Esto me lleva a creer que su colega está haciendo algo diferente a esto en Python.
Espero que esto ayude algo -
@Julian
