【主持人】
BioStat Laboratory Co.，Ltd.代表董事高橋幸男
[公告摘要]
JMP的“模型擬合”結果獲得的“最小平方均值”和“預測輪廓”對於顯示探索性分析的結果是必不可少的。然而，這是Takeuchi等人（1989）在“統計詞典”的索引中未列出的方言，很難解釋。最近，我們發現可以通過補充“協方差分析”中的“最小平方均值”和“預測輪廓”來進行簡潔明了的解釋，包括定性因素，定量因素和相互作用。使用的數據是Okuno等人（1981年）的“包括分層因素的回歸分析”，“多元分析方法，修訂版”（亞硫酸鹽氣體回收塔的觀測結果，回收液的濃度y，清潔水）的情況。溫度為x，操作週期為4級。在原始作品中，有一個圖形顯示，好像工作時間段（一月/二月）的傾斜度與其他時間段不同。使用包含交互作用的模型，在預測曲線中更改操作季節A的同時遵循洗滌水溫度x曲線的變化，在更改溫度x的同時比較操作季節A的平均濃度y，並比較溫度x。可以清楚地看出，當給出了總平均值時，它與操作季節A的最小平方平均值相匹配。
https://www.yukms.com/biostat/takahasi2/rec/009-13.htm
[演講者簡介]
我是JMP4的用戶，自從JMP出現以來一直在使用SAS。在我曾經工作過的公司，我一直在使用各種JMP進行統計教育，並在公司內部推廣JMP。該結果已在JMPer的會議上適當介紹。從退休年齡退休後，他建立了一家個體經營的諮詢公司，並繼續他的活動。最近，我意識到，日本許多學術領域（不包括臨床統計數據）分析實際數據的能力正在總體下降。協方差分析對我來說也是一個新老挑戰。必須認真進行包括交互作用在內的協方差分析。沒有交互作用時，協方差分析已成為一種分析模型。認識到歷史上也討論了涉及交互的情況，這對於解釋最小二乘法（SAS方言）和預測配置文件（JMP方言）非常有用。我敏銳地意識到了這一點。
