Nivel: intermedio
【Presentador】
Yukio Takahashi, director representante, BioStat Laboratory Co., Ltd.
[Resumen del anuncio]
La "media mínima al cuadrado" y el "perfil de predicción" obtenidos como resultado del "ajuste del modelo" de JMP son indispensables para mostrar los resultados del análisis exploratorio. Sin embargo, es un dialecto que no figura en el índice del "Diccionario de estadísticas" de Takeuchi et al. (1989), y es difícil de explicar. Recientemente, hemos descubierto que se puede hacer una explicación concisa y clara complementando la "media mínima cuadrática" y el "perfil predictivo" en el "análisis de covarianza", incluidos factores cualitativos, factores cuantitativos e interacciones. Los datos utilizados son el caso de "análisis de regresión incluyendo factores estratificados" en Okuno et al. (1981), "Método de análisis multivariante, edición revisada" (resultado de observación de la torre de recuperación de gas sulfito, concentración de líquido de recuperación y, agua de limpieza La temperatura de es x, y el período de funcionamiento de 4 niveles A). En el trabajo original, hay una visualización gráfica como si el período de operación (enero / febrero) tuviera una inclinación diferente a otros períodos. Usando un modelo que incluye interacción, siga los cambios en el perfil de la temperatura x del agua de lavado mientras cambia la temporada de operación A en el perfil de predicción, compare la concentración promedio y de la temporada de operación A mientras cambia la temperatura x, y compare la temperatura x. Se puede demostrar claramente que coincide con el promedio mínimo cuadrado de la temporada de operación A cuando se da el promedio total de.
https://www.yukms.com/biostat/takahasi2/rec/009-13.htm
[Perfil del presentador]
Soy un usuario de JMP4 y he estado usando SAS desde antes de JMP. En la empresa para la que solía trabajar, he estado impartiendo educación estadística utilizando varios JMP y promoviendo los JMP dentro de la empresa. Este resultado se ha presentado en la reunión del JMPer según corresponda. Tras retirarse de la edad de jubilación, estableció una empresa de consultoría autónoma y continúa con sus actividades. Recientemente, me he dado cuenta de que la capacidad de analizar datos reales en muchos campos académicos (excluyendo las estadísticas clínicas) en Japón está disminuyendo colectivamente. El análisis de covarianza es un viejo y nuevo desafío para mí también. Era necesario trabajar seriamente en el análisis de covarianza, incluida la interacción. El análisis de covarianza se ha consolidado como un modelo analítico cuando no hay interacción. Reconociendo que históricamente, también se discutió el caso de la participación de interacciones, esto es extremadamente útil para explicar el método de mínimos cuadrados, que es el dialecto SAS, y el perfil predictivo, que es el dialecto JMP. Estaba muy consciente de eso.
