JMP ANOVA non corrisponde ai risultati di PythonUtilizzo di JMP Pro 15.0 su un Mac. Ho condotto un esperimento fattoriale 2 ^ 4 con i seguenti risultati:
| Fattore1 | Fattore2 | Fattore3 | Fattore4 | Y |
| P | L | U | C | 77.90909 |
| P | U | U | C | 60.63636 |
| UN | U | U | C | 103.5833 |
| P | L | L | C | 92.76923 |
| UN | L | L | T | 81.41667 |
| P | L | U | T | 80.92308 |
| P | L | L | T | 88.61538 |
| UN | L | L | C | 108 |
| UN | U | L | C | 116.3333 |
| UN | L | U | T | 77.41667 |
| UN | L | U | C | 88 |
| UN | U | L | T | 105.75 |
| UN | U | U | T | 105.75 |
| P | U | U | T | 120.3333 |
| P | U | L | C | 109.9231 |
| P | U | L | T | 99.69231 |
Adattamento un modello, limitandolo agli effetti principali e alle interazioni a 2 vie. Ho trovato solo un effetto significativo. Qualcuno vuole provarlo da parte loro? Il mio collega sta ottenendo risultati diversi in Python, anche dopo essersi assicurato di richiedere un anova di tipo III piuttosto che l'impostazione predefinita di Python di tipo II. I suoi risultati sembrano essere più strettamente allineati ai risultati sequenziali (cioè di tipo I) di JMP. Ma non sapevo come far convergere i miei risultati sui suoi o viceversa. Ho pensato fosse meglio iniziare verificando di aver implementato correttamente il modello in JMP.
Ancora una volta, adeguo il fattoriale solo al grado 2.
Qualcuno ha familiarità con le incongruenze di JMP-Python? E i miei risultati vanno bene per i principianti?
Test degli effetti
fonte | Nparm | DF | Somma dei quadrati | Rapporto F. | Prob> F |
Fattore1 | 1 | 1 | 192.1560 | 1.3957 | 0.2906 |
Fattore2 | 1 | 1 | 1007.2948 | 7.3161 | 0,0425 * |
Fattore3 | 1 | 1 | 483.4297 | 3.5112 | 0.1198 |
Fattore4 | 1 | 1 | 0.4703 | 0.0034 | 0.9557 |
Fattore1 * Fattore2 | 1 | 1 | 42.9518 | 0.3120 | 0.6006 |
Fattore1 * Fattore3 | 1 | 1 | 13.0468 | 0.0948 | 0.7706 |
Fattore1 * Fattore4 | 1 | 1 | 551.1892 | 4.0034 | 0.1018 |
Fattore2 * Fattore3 | 1 | 1 | 1.6620 | 0.0121 | 0.9168 |
Fattore2 * Fattore4 | 1 | 1 | 393.5865 | 2.8587 | 0.1517 |
Fattore3 * Fattore4 | 1 | 1 | 700.2053 | 5.0857 | 0.0738 |
Tabella datiDOEAltroRe: JMP ANOVA non corrisponde ai risultati di PythonCiao @gchesterton ,
I risultati incoerenti sono sempre una seccatura e odio un mistero. Utilizzando i tuoi dati trovo gli stessi risultati in JMP. Sei in grado di pubblicare i risultati che il tuo collega sta trovando con Python? Anche il codice Python per adattarsi al modello sarebbe utile.
Hai detto che i suoi risultati sembrano corrispondere ai test sequenziali jmp. Lo trovo confuso. Il metodo per trovare le somme dei quadrati non farebbe differenza in questo tipo di esperimento progettato. Questi fattori sono ortogonali, quindi le SS di Tipo I sono identiche alle SS di Tipo III. Di seguito è riportato l'output Fit Model con sia il Tipo III che il Tipo I SS che lo confermano.
Per quanto riguarda la tua domanda generale sulle incongruenze di JMP-Python, non ne sono a conoscenza. Le incongruenze in quasi tutti i casi dipendono da come è definito il modello, e mi sembra che tu lo abbia definito correttamente in JMP. Questo mi porta a credere che il tuo collega stia facendo qualcosa di diverso da questo in Python.
Spero che questo aiuti alcuni -
@julian
Re: JMP ANOVA non corrisponde ai risultati di PythonGrazie @julian . Mi piacciono le tue lezioni su YouTube. Sono contento di vedere che i miei risultati non erano completamente fuori base. Ho chiesto al mio collega di condividere il suo codice.
Nel frattempo non sono ancora chiaro quando dovrei aspettarmi che il tipo I e III anova siano gli stessi. Questa condizione di ortogonalità è soddisfatta ogni volta che abbiamo fattori indipendenti da un esperimento progettato? Oppure i fattori non devono mostrare alcuna interazione perché ciò avvenga?Re: JMP ANOVA non corrisponde ai risultati di PythonCiao @gchesterton ,
Sono così felice di sapere che hai trovato utili quei video! Quando il progetto è bilanciato nel modo in cui certi esperimenti progettati garantiscono (senza dati mancanti), i fattori sono ortogonali e i tipi I, II e III danno tutti gli stessi risultati. Tuttavia, non tutti i progetti mostrano una ortogonalità completa e in questi casi ci sono correlazioni tra le stime dei fattori e le stime di tipo I, II, II saranno diverse. La presenza o l'assenza di un'interazione non è una considerazione. Mi piace abbastanza quello di Matt Cooper articolo sulle differenze tra le somme dei quadrati di Tipo I, II, III . È un po 'più vecchio, ma non eccessivamente tecnico e potrebbe aiutare a chiarire alcune delle differenze. Spero che aiuti!
@julian
