混合効果モデルは、ランダム変動のソースが複数あるデータに役立ちます。たとえば、同じ人物について結果を複数回測定した場合、個人内および個人間の変動の両方を考慮する必要があります。
JMP 開発者 Elizabeth Claassen は、『JMP for Mixed Models』の共著者であり、データを理解するための実践的なアプローチを採用しています。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研究所の学生をサポートしたとき、計画された実験に対する混合モデルの解決策を求め、ただ簡単な答えを求めている学生たちをイライラさせました。 「混合モデルの正しさを判断するには、まず実験における因子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。」
12 月 2 日と12 月 9 日、エリザベスはこの実践的なアプローチを開発者チュートリアルに導入し、開発に協力した JMP Pro 混合モデル機能に関する専門知識を共有し、そのテクニックがいつ、なぜ役立つのかの例を提供します。彼女は、いくつかのモデルに関するさまざまな噂の誤りを暴きます（またはおそらく確認します）。
噂 1: 線形混合モデルの結果は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、導きます。
噂 2: 影響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?変量効果の推定値を見てみましょう。
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るのか?はい、これらは母集団における最も推定された平均的な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 サイズが異なる場合、混合モデルは役に立ちません。
JMP チーフ データ サイエンティストの Chris Gotwalt 氏はまた、JMP Pro 16 Fit Mixed プラットフォームにサタースウェイト信頼区間を実装し、JMP ユーザーにとって分散成分の線形結合の区間推定をはるかに容易にしたエリザベスの功績を称賛しています。明らかに多才な人物であるエリザベスは、外部の興味がプログラミングへの情熱とどのように関係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12 月 2 日と12 月 9 日のライブ ウェビナーのディスカッションを含むビデオをご覧ください。
