列フィルターを変数に割り当てると、LS 平均が 0 になるのはなぜですか?やあみんな！
誰かが私を助けてくれないかと思っていました。 私は、さまざまな品質特性、さまざまな消毒剤、さまざまな濃度を使用して、一定期間にわたる微生物の不活化を調べたデータを分析しようとしています。
まず、変数に最適な列フィルターを見つけるのに苦労しています。 私は 2 つの異なる消毒剤 (A と 
、3 レベルの水質 (低、中、高) と 0、15、30、60 秒の時間間隔を使用しています。 消毒剤 A には 6 つの濃度があり、消毒剤 B には 4 つの濃度があります。水の特性を順序数値変数にしました。 濃度と時間間隔は連続数値でしょうか、それとも序数でしょうか?
また、標準最小二乗テストを実行すると、値の一部が 0 になり、モデルに効果が欠けていることがわかります。 これらの問題を解決するのに役立つ提案を持っている人はいますか?
どうもありがとうございます！
データのブレンディングとクリーンアップRe: 列フィルターを変数に割り当てると、LS 平均が 0 になるのはなぜですか?本当にありがとうございます、とても感謝しています！
Re: 列フィルターを変数に割り当てると、LS 平均が 0 になるのはなぜですか?こんにちは、
言い忘れましたが、考えられるアプローチの 1 つは、サニタイザー、LOG (濃度 + 1)、COD レベルと各時点のすべての相互作用を組み込んだ標準最小二乗モデルを実行することです。 少なくとも Time = 0:15 では、残差の分布は正規分布に近くなります。 Time > 0:15 の場合、状況は少し難しくなります。
最高、
TSRe: 列フィルターを変数に割り当てると、LS 平均が 0 になるのはなぜですか?こんにちは、
データを共有していただきありがとうございます。
変数と「ログ (母集団)」結果 (これが正しい結果かどうかについての私の最善の推測) の関係を簡単に視覚的に確認すると、サニタイザー、濃度、および時間が結果に与える明らかな影響がわかります。 COD レベルの影響はあまり明確ではありませんが、存在する可能性があります。
以下の図では、反復を使用して平均と標準偏差が計算されています。 注意すべき点は、時間 = 0:00 x COD レベル = 高というデータに問題がある可能性があることを示しています。濃度 = 90 の点は正しくない可能性があります。
結果が濃度と時間との明確なロジスティック関係を示していることを考慮すると、データを正しく分析するには、より高度な専門知識を求める必要があるかもしれません。標準の最小二乗平均モデル (線形) は、残差の分布が基準値から大幅に逸脱しているため、適切ではありません。正規分布 (このモデルの重要な仮定)。
お客様の期待に応えるデータの変換またはモデリングのアプローチを見つけようとします。 それまでの間、正規分布残差の基準を満たさない生物学的反応 (つまり、ロジスティック) のモデル化について特に尋ねる新しい質問を掲示板に投稿することもできます。
より具体的なサポートを提供できなくて申し訳ありません。
最高、
TS
Re: 列フィルターを変数に割り当てると、LS 平均が 0 になるのはなぜですか?こんにちは、
私の質問は、消毒剤、濃度、時間、または水質が微生物の不活化に影響を与えるかどうかです。 微生物の不活化に最も影響を与える要因は何だろうかと考えています。
濃度と時間が増加すると、微生物の不活化も進むと思います。さらに、水質の悪化に伴って微生物の不活化も減少します。
以下にデータのスナップショットを含めました。
私はあなたの助けに感謝します。
Re: 列フィルターを変数に割り当てると、LS 平均が 0 になるのはなぜですか?こんにちは、
あなたは限られた情報を提供しながら、非常に幅広い質問をしています。 JMP (またはその他の分析ソフトウェア) で分析を実行する前に、最初に理解する必要があるのは、質問は何であり、仮定は何なのかということです。 これは、最終的に使用する統計ツールよりも、実験の技術的な性質に関係しています。 この最初のステップに取り組む 1 つの方法は、実験要素とデータの個々の関係を含め、データをグラフィカルに調査することです。 すべての変数による微生物の不活化データのプロットを見たことがありますか? JMP Graph Builder の優れた点は、複数の変数を簡単にネストして、データにギャップがあるかどうかを確認できることです。
あなたが尋ねている2番目の一般的な考慮事項は、変数のモデリング形式です（実際には「フィルタリング」を意味していないと思います）。 ここでも、対処する必要がある質問によって異なります。 一般に、連続変数 (時間、集中力、物理的測定など) がある場合、それらを数値連続として保持することが最善であり、これによりモデルで最高の検出力が得られます。 順序モデリングは通常、明確な順位はあるものの、各カテゴリの間隔が異なるか不明瞭なカテゴリ変数 (ユーザーの好み、定性的評価など) のために予約されています。
最後に、データが機密または専有物でない場合、データを共有していただけますか? これは、私や取締役会の他のメンバーがあなたの問題に対する最善のアプローチを見つけるのに役立ちます。
最高、
TS
