ランダム効果がある場合の変数の分散の差を検定する「フィットモデル」の使用私は、二値名目変数「Type」と、ランダム効果である変数「Sample」を使用して従属変数を予測しています (JMP 言語ではランダム効果です。「Sample」をランダム変数と呼ぶことを好む人もいます)。これは、2 つの「タイプ」が DV で異なるかどうかをテストしますが、ここでも「サンプル」はランダム効果であることを考慮に入れます。
興味深いことに、一方の「タイプ」の標本平均は、もう一方の「タイプ」の標本平均に比べて、はるかに広がっています。標本平均だけを使用するのであれば、F テストを使用して分散の差の有意性検定を実施できます。しかし、標本平均は誤差を伴って推定されるため、これはあまり適切ではありません。理想的には、この誤差を考慮する必要があります。しかし、これを行う方法がわかりません。おそらく、「混合モデル」にこの機能があるのでしょう。(私は JMP Pro 16 を持っています。)
これはおそらくこのグループにとっては少々「難解」な内容ですが、どなたかアイデアをお持ちの方がいらっしゃいましたら、ぜひ教えてください。いくつかデータを添付します。DV = Paraphilia Vector 1、Type は関心のある予測子、Sample はランダム効果です。
高度な統計モデリング消費者および市場調査データの探索と視覚化Re：ランダム効果がある場合の変数の分散の違いのテストSampleが確率変数であると言う理由がわかりません。 各観測に特定のレベル（クラス）を割り当てました。 サンプルはランダムかもしれませんが、レベルはランダムではありません。
Fit Modelを使用してモデルを定義し、Fittingのパーソナリティを次のように変更できます。対数線形分散。 あなたのデータは、単純な主効果モデル以上の条件ではありません。 位置効果としてサンプルを割り当て、拡散効果としてタイプを割り当てました。 サンプルと混同されているため、ロケーションエフェクトとしてタイプを含めることができませんでした。 位置効果として両方の変数を含めます。
しかし、私はあなたの仮説をテストするための拡散効果としてタイプを含めることができます。
この仕様から推定されたモデルには基本的な問題はありませんが、それでも不十分な場合があります。
タイプの2つのレベルでは、分散が大幅に異なるようです。
