분할구 설계 분석에 대한 랜덤 효과분할구 설계 분석의 무작위 효과에 대해 질문이 있습니다. 누군가 설명하는 데 도움이 되었으면 합니다.
예를 들어 "Animals.jmp"와 같은 JMP 샘플 데이터를 사용하겠습니다.
주제[종]을 무작위 효과로 간주하면 첨부 스크립트 영역의 "반복 측정 모델" 스크립트가 주제 요인이 마일에 대한 중요한 영향 요인이 아님을 보여주기 때문에 REML 분산 구성요소 추정 보고서가 보고됩니다.
그러나 모델이 기본 회귀 모델이라고 생각하면 첨부 파일의 스크립트 영역에 "기본 모델" 스크립트로 표시됩니다.
결과는 주제 요인 효과 마일이 중요함을 보여줍니다.
두 모델 사이에 다른 결론을 내리는 이유는 무엇입니까?
Re: 분할구 설계 분석에 대한 랜덤 효과안녕 @에릭_왕 ,
두 모델은 매우 다르기 때문에 다른 결론을 기대해야 합니다. 데이터를 생성하는 프로세스에 대한 다양한 가정을 기반으로 합니다.그들은 분산이 어디에서 오는지에 대해 서로 다른 가정을 합니다.
한 가지 큰 차이점은 기본 회귀 모델에서 주제가 종 내에 중첩되지 않는다는 것입니다. 즉, 3과목만 있는 것입니다. 실제로 6개의 주제가 있습니다: 2종 각각에 대해 3개. 나는 그것이 차이가 나는 이유의 큰 부분이라고 생각합니다. 그러나 그것만이 유일한 이유는 아닙니다.
이것은 표준 고정 효과 모델이 적절하지 않은 경우 혼합 모델의 필요성을 보여줍니다. 부적절한 모델을 사용하면 결론이 잘못될 수 있습니다.
나는 확신한다 혼합 모델용 JMP 책은 이것에 대해 더 많은 설명을 제공할 것입니다.
이게 도움이 되길 바란다,
필
Re: 분할구 설계 분석에 대한 랜덤 효과나는 둘 다에 동의한다 @필_케이 그리고 @DonMcCormack . 나는 단지 기본 모델의 Joint Factor Tests가 그 주제가 중요하지 않다는 것을 보여주고 있다는 점을 지적하고 싶었습니다.
결과를 보면, 종은 랜덤효과모형과 기본모형 모두에서 중요한 요소이다. 이것은 종과 계절을 통제한 후 대상[종]이 무작위 변동성의 중요한 원인이 아닌 이유를 설명할 수 있습니다.
Re: 분할구 설계 분석에 대한 무작위 효과뿐만 아니라 @필_케이 의 응답에서 주제 용어의 목적은 단지 종 내 변이를 포착하여 주제 차이에 대한 주제를 찾는 것이 아니라 통계적 차이를 테스트하는 데 사용할 수 있도록 하는 것입니다. 게다가 대상을 고정 효과로 취급하는 것은 3가지(처리 수준)만 있는 것이 아니라 FOX에 대한 대상 1이 COYOTE에 대한 대상 1과 동일(처리)한다고 가정합니다.
