JMP ANOVA stimmt nicht mit Python-Ergebnissen übereinVerwenden von JMP Pro 15.0 auf einem Mac. Ich habe ein 2^4 faktorielles Experiment mit den folgenden Ergebnissen durchgeführt:
| Faktor1 | Faktor2 | Faktor3 | Faktor4 | Y |
| P | L | U | C | 77.90909 |
| P | U | U | C | 60.63636 |
| EIN | U | U | C | 103.5833 |
| P | L | L | C | 92.76923 |
| EIN | L | L | T | 81.41667 |
| P | L | U | T | 80.92308 |
| P | L | L | T | 88.61538 |
| EIN | L | L | C | 108 |
| EIN | U | L | C | 116.3333 |
| EIN | L | U | T | 77.41667 |
| EIN | L | U | C | 88 |
| EIN | U | L | T | 105,75 |
| EIN | U | U | T | 105,75 |
| P | U | U | T | 120.3333 |
| P | U | L | C | 109.9231 |
| P | U | L | T | 99.69231 |
Ich passe ein Modell an und beschränke es auf Haupteffekte und wechselseitige Wechselwirkungen. Ich fand nur einen signifikanten Effekt. Hat jemand Lust, es auf seiner Seite zu versuchen? Mein Kollege erhält in Python unterschiedliche Ergebnisse, selbst nachdem er sichergestellt hat, dass er eine Typ-III-Anova anstelle des Python-Standardtyps II fordert.Seine Ergebnisse scheinen enger mit den sequentiellen (dh Typ-I-)Ergebnissen von JMP übereinzustimmen. Aber ich war ratlos, wie ich meine Ergebnisse dazu bringen sollte, mit seinen zu konvergieren oder umgekehrt. Ich dachte, ich beginne besser damit, zu überprüfen, ob ich das Modell korrekt in JMP implementiert habe.
Auch hier passe ich die Fakultät nur an Grad 2 an.
Ist jemand mit JMP-Python-Inkonsistenzen vertraut? Und sind meine Ergebnisse für den Anfang in Ordnung?
Wirkungstests
Quelle | Nparm | DF | Quadratsumme | F-Verhältnis | Prob > F |
Faktor1 | 1 | 1 | 192.1560 | 1,3957 | 0,2906 |
Faktor2 | 1 | 1 | 1007.2948 | 7.3161 | 0,0425* |
Faktor3 | 1 | 1 | 483.4297 | 3.5112 | 0,1198 |
Faktor4 | 1 | 1 | 0,4703 | 0,0034 | 0,9557 |
Faktor1*Faktor2 | 1 | 1 | 42.9518 | 0,3120 | 0,6006 |
Faktor1*Faktor3 | 1 | 1 | 13.0468 | 0,0948 | 0,7706 |
Faktor1*Faktor4 | 1 | 1 | 551.1892 | 4.0034 | 0,1018 |
Faktor2*Faktor3 | 1 | 1 | 1,6620 | 0,0121 | 0,9168 |
Faktor2*Faktor4 | 1 | 1 | 393.5865 | 2,8587 | 0,1517 |
Faktor3*Faktor4 | 1 | 1 | 700.2053 | 5.0857 | 0,0738 |
DatentabelleDAMHIRSCHKUHSonstigesBetreff: JMP ANOVA stimmt nicht mit Python-Ergebnissen übereinHi @Gchesterton ,
Ich bin so froh zu hören, dass Sie diese Videos nützlich fanden! Wenn das Design so ausbalanciert ist, wie es bestimmte Experimente gewährleisten (ohne fehlende Daten), sind die Faktoren orthogonal, und die Typen I, II und III liefern alle dieselben Ergebnisse. Nicht alle Designs weisen jedoch eine vollständige Orthogonalität auf, und in diesen Fällen gibt es Korrelationen zwischen den Faktorschätzungen, und die Typ-I-, II-, II-Schätzungen werden unterschiedlich sein. Das Vorhandensein oder Nichtvorhandensein einer Wechselwirkung ist nicht zu berücksichtigen.Ich mag Matt Coopers sehr Artikel über die Unterschiede zwischen Quadratsummen vom Typ I, II, III . Es ist etwas älter, aber keine übermäßig technische Lektüre und könnte helfen, einige der Unterschiede zu verdeutlichen. Ich hoffe, das hilft!
@julianisch
Betreff: JMP ANOVA stimmt nicht mit Python-Ergebnissen übereinVielen Dank @julianisch . Ich genieße deine YouTube-Lektionen. Ich bin froh zu sehen, dass meine Ergebnisse nicht völlig falsch waren. Ich habe meinen Kollegen gebeten, seinen Code zu teilen.
In der Zwischenzeit bin ich mir immer noch nicht sicher, wann ich davon ausgehen sollte, dass Anova vom Typ I und III gleich sein werden. Ist diese Orthogonalitätsbedingung immer dann erfüllt, wenn wir unabhängige Faktoren aus einem geplanten Experiment haben? Oder müssen die Faktoren keine Wechselwirkung aufweisen, damit dies gilt?Betreff: JMP ANOVA stimmt nicht mit Python-Ergebnissen übereinHi @Gchesterton ,
Inkonsistente Ergebnisse sind immer ein Problem, und ich hasse ein Rätsel. Mit Ihren Daten finde ich die identischen Ergebnisse in JMP. Können Sie die Ergebnisse posten, die Ihr Kollege mit Python findet? Der Python-Code zum Anpassen des Modells wäre ebenfalls hilfreich.
Sie erwähnen, dass seine Ergebnisse mit den sequentiellen Tests von jmp übereinstimmen. Ich finde das verwirrend. Die Methode zum Ermitteln von Quadratsummen würde bei dieser Art von geplantem Experiment keinen Unterschied machen. Diese Faktoren sind orthogonal, daher sind Typ-I-SS identisch mit Typ-III-SS. Unten ist die Ausgabe des Anpassungsmodells mit sowohl Typ-III- als auch Typ-I-SS, die dies bestätigen.
Was Ihre allgemeine Frage zu JMP-Python-Inkonsistenzen betrifft, sind mir keine bekannt. Inkonsistenzen hängen in fast allen Fällen davon ab, wie das Modell definiert ist, und es scheint mir, dass Sie es in JMP richtig definiert haben. Dies lässt mich glauben, dass Ihr Kollege in Python etwas anderes macht.
Ich hoffe, das hilft einigen -
@julianisch
