级别：中级
【主持人】
BioStat Laboratory Co.，Ltd.代表董事高桥幸男
[公告摘要]
JMP的“模型拟合”结果获得的“最小平方均值”和“预测轮廓”对于显示探索性分析的结果是必不可少的。然而，这是Takeuchi等人（1989）在“统计词典”的索引中未列出的方言，很难解释。最近，我们发现可以通过补充“协方差分析”中的“最小平方均值”和“预测轮廓”来进行简洁明了的解释，其中包括定性因素，定量因素和相互作用。使用的数据是Okuno等人（1981年）的“包括分层因素的回归分析”，“多元分析方法，修订版”（亚硫酸盐气体回收塔的观测结果，回收液的浓度y，洗涤水）的情况。温度为x，操作周期为4级。在原始作品中，有一个图形显示，好像工作时间段（一月/二月）的倾斜度与其他时间段不同。使用包含相互作用的模型，在预测曲线中更改运行季节A的同时遵循洗涤水温度x曲线的变化，在更改温度x的同时比较运行季节A的平均浓度y，并比较温度x。可以清楚地看出，当给出了总平均值时，它与操作季节A的最小平方平均值相匹配。
https://www.yukms.com/biostat/takahasi2/rec/009-13.htm
[演讲者简介]
我是JMP4的用户，自从JMP出现以来一直在使用SAS。在我曾经工作过的公司，我一直在使用各种JMP进行统计教育，并在公司内部推广JMP。该结果已在JMPer的会议上适当介绍。从退休年龄退休后，他建立了一家个体经营的咨询公司，并继续他的活动。最近，我意识到，日本许多学术领域（不包括临床统计数据）分析实际数据的能力正在总体下降。协方差分析对我来说也是一个新老挑战。必须认真进行包括交互作用在内的协方差分析。没有交互作用时，协方差分析已成为一种分析模型。认识到历史上也讨论了涉及交互的情况，这对于解释最小二乘法（SAS方言）和预测配置文件（JMP方言）非常有用。我敏锐地意识到了这一点。
