混合効果モデルは、ランダムな変動の原因が複数あるデータに役立ちます。 たとえば、同じ人で複数回測定された結果がある場合、人内および人間の変動の両方を考慮する必要があります。
JMP開発者ElizabethClaassenおよび共著者混合モデルのJMPデータを理解するための実用的なアプローチを取ります。 彼女がネブラスカ大学リンカーン統計コンサルティングラボの学生をサポートしたとき、彼女は計画された実験の混合モデルソリューションを探していて、ただ迅速な答えを求めている人々を苛立たせました。 「混合モデルの正しさを判断するには、まず、実験における要因と応答の関係を説明する必要があります」と彼女は言います。 「それを紙にスケッチすることから始めましょう。」
の上12月2日と12月9日、エリザベスは、この実用的なアプローチを開発者チュートリアルにもたらします。そこでは、開発を支援したJMP Pro混合モデル機能に関する専門知識を共有し、テクニックが役立つ時期と理由の例を示します。 彼女はいくつかの混合モデルの噂を暴く（またはおそらく確認する）でしょう。
噂1：線形混合モデルの結果をどのように報告しますか？ p値に気を取られないでください。 彼らは意思決定を指示するのではなく、導く。
噂2：効果が個人間でどれほど変動するかをどのように報告しますか？ ランダム効果の推定値を見てください。
噂3：負の分散成分は、混合モデルの解釈を許可しません。
噂4：固定効果の推定値は価値がありますか？ はい、それらは母集団における最良の平均効果を表しています。
噂5：データが欠落している場合やグループサイズが等しくない場合、混合モデルは適切ではありません。
JMPのチーフデータサイエンティストであるChrisGotwaltも、エリザベスがSatterthwaite信頼区間JMP Pro 16 Fit Mixedプラットフォームでは、分散成分の線形結合の区間推定がJMPユーザーにとってはるかに簡単になります。 明らかに多才な人物であるエリザベスは、彼女の外部の関心がプログラミングへの情熱とどのように関連しているかを明らかにしました。 さあ、編み物はコーディングのようなものですか？ 本当に？
2021年のディスカッションを含むビデオをご覧ください12月2日と12月9日ライブウェビナー..
