혼합 효과 모델은 랜덤 변동성의 소스가 둘 이상인 데이터에 유용합니다. 예를 들어, 동일한 사람에 대해 두 번 이상 측정된 결과가 있는 경우 개인 내 및 개인 간 변동성을 모두 설명해야 합니다.
JMP 개발자 Elizabeth Claassen 및 공동 저자 혼합 모델용 JMP 데이터를 이해하기 위한 실용적인 접근 방식을 취합니다. 그녀는 University of Nebraska-Lincoln Statistical Consulting Lab에서 학생들을 지원할 때 설계된 실험에 대한 혼합 모델 솔루션을 찾고 빠른 답변을 원하는 사람들을 좌절시켰습니다. "혼합 모델의 정확성을 결정하려면 먼저 실험에서 요인과 반응 간의 관계를 설명해야 합니다."라고 그녀는 말합니다. "종이에 스케치하는 것부터 시작하겠습니다."
켜짐 12월 2일 그리고 12월 9일 , Elizabeth는 이 실용적인 접근 방식을 자신의 개발자 자습서에 가져와 개발에 도움을 준 JMP Pro 혼합 모델 기능에 대한 전문 지식을 공유하고 기술이 유용한 시기와 이유에 대한 예를 제공합니다. 그녀는 일부 혼합 모델 소문을 폭로(또는 확인)할 것입니다.
소문 1: 선형 혼합 모델의 결과를 어떻게 보고합니까? p-값으로 인해 주의가 산만해지지 마십시오. 그들은 의사 결정을 지시하는 것이 아니라 안내합니다. .
소문 2: 효과가 개인 간에 얼마나 다양한지 어떻게 보고합니까? 무작위 효과 추정치를 보십시오.
소문 3: 음의 분산 성분은 혼합 모델 해석을 허용하지 않습니다.
소문 4: 고정 효과 추정치가 가치가 있습니까? 예, 인구에서 가장 잘 추측되는 평균 효과를 나타냅니다.
소문 5: 데이터가 누락되거나 그룹 크기가 같지 않으면 혼합 모델이 적합하지 않습니다.
JMP 수석 데이터 과학자인 Chris Gotwalt도 Elizabeth를 새터스웨이트 신뢰 구간 JMP Pro 16 Fit Mixed 플랫폼에서 JMP 사용자가 분산 성분의 선형 조합의 구간 추정을 훨씬 쉽게 만듭니다. 분명히 다재다능한 사람인 Elizabeth는 외부 관심이 프로그래밍에 대한 열정과 어떤 관련이 있는지 밝혔습니다. 자, 뜨개질은 코딩과 같다고? 진짜?
혼합 모델에 대한 그녀의 다가오는 개발자 자습서에 Elizabeth에 가입하려면 등록하십시오. 파트 1이 켜져 있습니다. 12월 2일, 그리고 2부가 나온다 12월 9일 .
