SAS와 JMP 간의 분산 성분 분석 결과가 다른 이유는 무엇입니까?분산 성분 분석에 대해 SAS와 JMP 간에 다른 결과가 나오는 이유는 무엇입니까?
사례 1 - 교차 후 교차
proc varcomp 데이터 = 데이터 방법=TYPE1;
클래스 Factor1 Factor2 Factor3;
모델 변수 = 요인1 요인2 요인3;
운영;
= JMP - 품질 및 프로세스 - 변동성/속성 게이지 차트 - 모델 유형 - 교차
("Main Effect"를 선택하면 결과는 SAS와 동일합니다.)
사례 2 - 중첩 후 교차
proc varcomp 데이터 = 데이터 방법=TYPE1;
클래스 Factor1 Factor2 Factor3;
모델 변수 = 요인1 요인2(요인1) 요인3;
운영;
= JMP - 품질 및 프로세스 - 변동성/속성 게이지 차트 - 모델 유형 - 중첩 후 교차
사례 3 - 교차 후 내포
proc varcomp 데이터 = 데이터 방법=TYPE1;
클래스 Factor1 Factor2 Factor3;
모형변수 = 요인1 요인2 요인3(요인2);
운영;
= JMP - 품질 및 프로세스 - 변동성/속성 게이지 차트 - 모델 유형 - 교차 후 내포
요인의 개수가 1 또는 2일 때 분산성분의 SAS와 JMP 결과가 동일한 것을 확인하였다.
그러나 위의 경우 3가지 요인으로 결과가 다릅니다.\
두 프로그램의 결과가 다른 이유를 말씀해 주신다면 정말 감사하겠습니다!
해석학데이터 테이블암사슴맥 OS다른창Re: SAS와 JMP 간의 분산 성분 분석 결과가 다른 이유는 무엇입니까?귀하의 데이터를 보지 않고는 왜 그들이 다른지 확신할 수 없지만, 나는 유추할 수 있습니다.
SAS 코드에서 Method=Type I을 사용하고 있습니다. 이것은 추정을 위해 Type I 제곱합을 사용하고 있습니다. JMP Variance 구성 요소 대화 상자에는 분석 설정 버튼이 있습니다. 클릭하면 JMP의 기본값이 "최상의 분석 선택"임을 알 수 있습니다. 따라서 JMP는 EMS, REML 또는 베이지안 간에 자유롭게 전환할 수 있습니다. 따라서 JMP는 SAS와 다른 추정 방법을 사용하는 것 같습니다. JMP는 Type I(또는 EMS) 방법을 강제하는 옵션조차 제공하지 않습니다. 이는 일반적으로 권장되지 않는 이전 접근 방식이기 때문입니다.
동의해야 하는 경우 SAS에서 방법을 REML로 설정합니다. JMP에서 REML 분석 사용을 선택합니다. 그것은 그들이 동의해야합니다. 그러나 이러한 상황에서도 데이터에 따라 효율성을 위해 얼마나 큰 행렬을 처리(분리 및 재결합)할 수 있는지에 대한 접근 방식과 이러한 방정식을 풀 때 반복적인 특성으로 인해 약간의 차이가 있을 수 있음을 명심하십시오. .
Re: SAS와 JMP 간의 분산 성분 분석 결과가 다른 이유는 무엇입니까?친애하는 댄,
친절한 답변 정말 감사합니다.
당신이 말했듯이, 나는 REML을 사용할 때 같은 결과를 얻었습니다.
non-REML의 경우 1종 오류 방식과 EMS 방식의 추정 방식이 다르기 때문에 같은 결과를 얻을 수 없다는 것을 이해했습니다.
Type1 방식이 오래된 방식이라고 하셨습니다.
variacne이 음수가 아니더라도 REML을 사용하면 더 정확한 ANOVA 결과를 얻을 수 있습니까?
Re: SAS와 JMP 간의 분산 성분 분석 결과가 다른 이유는 무엇입니까?정확하다는 것은 정확히 무엇을 의미합니까? 유형 I 또는 EMS 접근 방식과 REML은 단지 다른 추정 방법일 뿐입니다. REML은 수년 동안 사용되어 온 매우 훌륭하고 존경받는 추정 방법입니다. 사실, 균형 데이터가 있는 대부분의 상황에서 EMS와 동일한 결과를 제공합니다. REML은 불균형 상황과 음의 분산 성분이 있는 상황에서 작업할 수 있다는 장점이 있습니다. 또한 REML을 사용하면 음수 추정을 피하기 위해 분산 구성 요소를 0보다 크거나 같도록 요구할 수도 있습니다.
REML 접근 방식에 편안함을 느낄 수 있습니다.
