分割プロット設計分析のランダム効果分割プロットの設計分析のランダム効果について質問があります。誰かがそれを説明するのを手伝ってくれることを願っています。
たとえば、JMPサンプルデータ「Animals.jmp」を使用します。
subject [species]をランダム効果と見なす場合、REML分散コンポーネントの推定レポートは、添付ファイルのスクリプト領域の「反復測定モデル」スクリプトが、サブジェクト係数がマイルの重要な影響係数ではないことを示しているためです。
ただし、モデルが基本回帰モデルであると考えると、添付ファイルのスクリプト領域にある「基本モデル」スクリプトとして考えられます。
結果は、サブジェクトファクターの効果マイルが重要であることを示しています。
これら2つのモデル間で異なる結論を出す理由は何ですか？
Re：分割プロット設計分析のランダム効果やあ@Eric_Wang 、
2つのモデルは非常に異なるため、異なる結論を期待する必要があります。 これらは、データを生成するプロセスに関するさまざまな仮定に基づいています。彼らは、分散がどこから来るかについて異なる仮定をします。
大きな違いの1つは、基本的な回帰モデルでは、SubjectがSpecies内にネストされていないことです。 これは、主題が3つしかないことを意味します。 実際には6つの主題があります：2つの種のそれぞれに3つ。 それが違いの大きな理由だと思います。 しかし、それだけが理由ではありません。
これは、標準の固定効果モデルが適切でない場合の混合モデルの必要性を示しています。 不適切なモデルが使用された場合、結論は誤解を招く可能性があります。
きっと混合モデルのJMP本はこれについてのより多くの説明を提供するでしょう。
これがお役に立てば幸いです。
フィル
Re：分割プロット設計分析のランダム効果私は両方に同意します@Phil_Kayと@DonMcCormack 。 基本モデルのJointFactorTestsは、主題が重要ではないことを示していることを指摘したいと思います。
結果を見ると、種はランダム効果モデルと基本モデルの両方で重要な要素です。 これは、種と季節を制御した後、Subject[species]がランダムな変動の重要な原因ではない理由を説明している可能性があります。
Re：分割プロット設計分析のランダム効果に加えて@Phil_Kayの応答、主題用語の目的は、単に種内の変動をキャプチャすることであり、主題の違いの対象を探すのではなく、統計的な違いをテストするために使用できます。 さらに、対象を固定効果として扱うことは、3つ（治療レベル）しかないことを前提としているだけでなく、FOXの対象1はCOYOTEの対象1と同じ（治療）です。
