랜덤 효과가 있을 때 변수의 분산 차이 테스트"핏 모델" 사용 나는 이분법적인 명목 변수 "Type"과 무작위 효과인 변수 "Sample"을 사용하여 종속 변수를 예측하고 있습니다(JMP 언어에서 일부는 무작위 변수를 "Sample"이라고 하는 것을 선호할 것입니다).이것은 "샘플"이 무작위 효과라는 점을 다시 고려하여 내 DV에서 두 "유형"이 다른지 여부를 테스트합니다.
흥미롭게도 한 "유형"에 대한 표본 평균은 다른 "유형"에 대한 표본 평균에 비해 훨씬 더 많이 분포되어 있습니다. 표본 평균을 사용할 의향이 있다면 F 검정을 사용하여 분산의 차이에 대한 유의성 검정을 수행할 수 있습니다. 그러나 이것은 표본 평균이 오류로 추정되고 이상적으로는 이를 고려해야 하기 때문에 정결하지 않습니다. 나는 이것을 하는 방법을 알아낼 수 없다. 아마도 "혼합 모델"이 이 기능을 가지고 있을 것입니다. (저는 JMP Pro 16을 가지고 있습니다.)
이것은 아마도 이 그룹에 대해 약간 "잡초에" 있을 수 있지만 누군가 아이디어가 있으면 감사하겠습니다. 일부 데이터를 첨부합니다. DV=Paraphilia Vector 1, Type은 관심 예측 변수이고 Sample은 랜덤 효과입니다.
해석학Re: 랜덤 효과가 있을 때 변수의 분산 차이 테스트샘플이 랜덤 변수라고 말하는 이유를 모르겠습니다. 각 관찰에 특정 수준(클래스)을 할당했습니다. 표본은 무작위일 수 있지만 수준은 그렇지 않습니다.
Fit Model을 사용하여 모델을 정의하고 피팅 특성을 다음으로 변경할 수 있습니다. 로그선형 분산 . 귀하의 데이터는 단순한 주효과 모델 이상의 좋은 조건이 아닙니다. 샘플을 위치 효과로 할당하고 유형을 스프레드 효과로 할당했습니다. Type은 Sample과 혼동되기 때문에 위치 효과로 포함할 수 없습니다. 두 변수를 위치 효과로 포함합니다.
하지만 유형을 확산 효과로 포함하여 가설을 테스트할 수 있습니다.
이 사양에서 추정된 모델은 근본적인 문제를 나타내지 않지만 여전히 불만족스러울 수 있습니다.
유형의 두 수준에서 분산이 크게 다른 것으로 보입니다.
