무작위 효과가 있는 경우 변수의 분산 차이를 테스트합니다."Fit Model" 사용저는 이분형 명목 변수인 "유형"과 확률 효과인 변수 "샘플"을 사용하여 종속 변수를 예측하고 있습니다(JMP 언어로 표현하면 "샘플"을 확률 변수라고 부르는 것을 선호하는 사람도 있습니다).이는 "샘플"이 무작위 효과라는 점을 다시 고려하여 내 DV에서 두 가지 "유형"이 다른지 테스트합니다.
흥미롭게도, 한 "유형"의 표본 평균은 다른 "유형"의 표본 평균에 비해 훨씬 더 퍼져 있습니다. 표본 평균만 사용할 의향이 있다면 F 검정을 사용하여 분산 차이에 대한 유의성 검정을 수행할 수 있습니다. 하지만 표본 평균은 오차를 포함하여 추정되므로 이것은 코셔가 아니며, 이상적으로는 이를 고려해야 합니다. 하지만 어떻게 해야 할지 알 수 없습니다. 아마도 "혼합 모델"에 이런 기능이 있을 것입니다. (저는 JMP Pro 16을 가지고 있습니다.)
이건 아마 이 그룹에게는 좀 "초보적인" 내용일 수 있지만, 아이디어가 있는 분이 계시다면 감사하겠습니다. 몇 가지 데이터를 첨부합니다. DV=Paraphilia Vector 1, Type은 관심 있는 예측 변수이고, Sample은 무작위 효과입니다.
고급 통계 모델링소비자 및 시장 조사데이터 탐색 및 시각화Re: 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.
