JMP ANOVA non corrisponde ai risultati 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 |
Metto un modello, limitandolo agli effetti principali e alle interazioni a 2 vie. Ho riscontrato un solo effetto significativo. Qualcuno ha voglia di provarlo da parte loro? Il mio collega sta ottenendo risultati diversi in Python, anche dopo essersi assicurato che sta chiamando un'anova di tipo III piuttosto che l'impostazione predefinita di Python di tipo II.I suoi risultati sembrano essere più allineati ai risultati sequenziali (cioè di tipo I) di JMP. Ma ero perplesso su come far convergere i miei risultati sui suoi o viceversa. Ho pensato che fosse meglio iniziare verificando di aver implementato correttamente il modello in JMP.
Ancora una volta, adatto il fattoriale solo al grado 2.
Qualcuno ha familiarità con le incongruenze di JMP-Python? E i miei risultati vanno bene per cominciare?
Test sugli effetti
Fonte | Nparm | DF | Somma dei quadrati | Rapporto F | Problema > 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 datiDOEAltroRi: JMP ANOVA non corrisponde ai risultati 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 un'ortogonalità completa e in quei casi ci sono correlazioni tra le stime dei fattori e le stime di tipo I, II, II differiranno. 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 è una lettura eccessivamente tecnica e potrebbe aiutare a chiarire alcune differenze. Spero possa aiutare!
@giuliano
Ri: JMP ANOVA non corrisponde ai risultati PythonGrazie @giuliano . 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 l'anova di tipo I e III sia la stessa. Questa condizione di ortogonalità è soddisfatta ogni volta che abbiamo fattori indipendenti da un esperimento progettato? O i fattori non devono mostrare alcuna interazione affinché ciò avvenga?Ri: JMP ANOVA non corrisponde ai risultati PythonCiao @gchesterton ,
I risultati incoerenti sono sempre una seccatura e odio il mistero. Usando i tuoi dati trovo gli stessi risultati in JMP. Sei in grado di pubblicare i risultati che il tuo collega sta trovando con python? Sarebbe utile anche il codice Python per adattarsi al modello.
Hai detto che i suoi risultati sembrano corrispondere ai test sequenziali jmp. Trovo questo confuso. Il metodo per trovare somme di quadrati non farebbe differenza in questo tipo di esperimento progettato. Questi fattori sono ortogonali, quindi il Tipo I SS è identico al Tipo III SS. Di seguito è riportato l'output del modello Fit 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 derivano da come viene 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 -
@giuliano
