혼합 효과 모델은 둘 이상의 무작위 변동 원인이 있는 데이터에 유용합니다. 예를 들어, 동일한 사람에 대해 두 번 이상 측정된 결과가 있는 경우 개인 내 변동성과 개인 간 변동성을 모두 고려해야 합니다.
JMP 개발자인 Elizabeth Claassen과 JMP for Mixed Models 의 공동 저자는 데이터를 이해하기 위한 실용적인 접근 방식을 취합니다. 그녀는 University of Nebraska-Lincoln Statistical Consulting Lab에서 학생들을 지원했을 때 설계된 실험에 대한 혼합 모델 솔루션을 찾고 단지 빠른 답변을 원하는 사람들을 좌절시켰습니다. "혼합 모델의 정확성을 확인하려면 먼저 실험의 요인과 반응 간의 관계를 설명해야 합니다."라고 그녀는 말합니다. “종이에 스케치하는 것부터 시작하겠습니다.”
12월 2일과 12월 9일 에 Elizabeth는 개발자 튜토리얼에서 이러한 실용적인 접근 방식을 선보입니다. 여기서 그녀는 자신이 개발하는 데 도움을 준 JMP Pro 혼합 모델 기능에 대한 전문 지식을 공유하고 해당 기술이 언제, 왜 유용한지에 대한 예를 제공할 것입니다. 그녀는 일부 혼합 모델 소문이 사실이 아님을 폭로하거나 확인할 것입니다.
소문 1: 선형 혼합 모델의 결과를 어떻게 보고합니까? p-값 때문에 주의가 산만해지지 마세요. 의사결정을 지시하는 것이 아니라 지시하는 것입니다 .
소문 2: 효과가 개인 간에 얼마나 가변적인지 어떻게 보고합니까? 무작위 효과 추정치를 살펴보십시오.
소문 3: 음의 분산 성분은 혼합 모델 해석을 허용하지 않습니다.
소문 4: 고정 효과 추정치가 가치가 있습니까? 예, 이는 모집단에서 가장 잘 추측된 평균 효과를 나타냅니다.
소문 5: 데이터가 누락되었거나 그룹 크기가 동일하지 않으면 혼합 모델은 좋지 않습니다.
JMP 수석 데이터 과학자인 Chris Gotwalt는 JMP Pro 16 Fit Mixed 플랫폼에서 Satterthwaite 신뢰 구간을 구현하여 JMP 사용자가 분산 성분의 선형 조합 구간 추정을 훨씬 쉽게 만든 공로를 Elizabeth에게 칭찬했습니다. 분명히 다재다능한 사람인 Elizabeth는 자신의 외부 관심사가 프로그래밍에 대한 열정과 어떤 관련이 있는지 밝혔습니다. 자, 뜨개질은 코딩과 비슷하다고요? 정말?
2021년 12월 2일 및 12월 9일 라이브 웹 세미나에서 토론을 포함한 동영상을 확인하세요.
