効果テストこんにちは、みんな、
フィットモデル/効果テストの結果を以下で読むのを誰かが手伝ってくれるかどうか疑問に思っていました
基本的に、過去3回の試行のデータセットがありますが、計量方法に違いがあるかどうかを調べたいと思います。 現在、私はさまざまな年齢の自動計量器と手動計量器を使用しています。 したがって、私は体重の結果に影響を与える要因として年齢と計量器の種類を使用しました。 この2つの計量器の違いは、使用している計量器の種類によるものかどうかを調べたいと思います。
ありがとうございました！
試験1
効果テスト | Nparm | DF | 平方和 | F比 | 確率>F |
計量器の種類 | 1 | 1 | 0.5328 | 1.3884 | 0.2399 |
年齢（週） | 6 | 6 | 5364.0025 | 2329.370 | <.0001 * |
計量器の種類*年齢（週） | 6 | 6 | 5.6173 | 2.4394 | 0.0264 * |
試験2：
効果テスト | Nparm | DF | 平方和 | F比 | 確率>F |
計量器の種類 | 1 | 1 | 0.691 | 6.0384 | 0.0145 * |
年齢（週） | 8 | 8 | 11195.978 | 12237.44 | <.0001 * |
計量器の種類*年齢（週） | 8 | 8 | 5.641 | 6.1657 | <.0001 * |
試験3：
効果テスト | Nparm | DF | 平方和 | F比 | 確率>F |
計量器の種類 | 1 | 1 | 0.0290 | 0.2056 | 0.6506 |
年齢（週） | 7 | 7 | 8635.3296 | 8733.892 | <.0001 * |
計量器の種類*年齢（週） | 7 | 7 | 4.7245 | 4.7785 | <.0001 * |
Re：効果テストこんにちはミレーナ、
ここでの議論のために私たちの電子メール交換から追加するだけです：
基本的に、私のプロジェクトの目的は、自動計量システムが手動計量を完全に、または特定の年齢で置き換えることができるかどうかを確認することです（？）
- したがって、「計量器の種類」の効果と「計量器の種類」と「年齢」の相互作用の影響に関心があることを指定する必要があります。
- 「計量器のタイプ」係数が重要である場合、測定システム間に違いがあります
- さらに相互作用係数が重要である場合、違いは鳥の年齢によって変化します。
- また、考慮に入れてください@Mark_Bailey 「年齢」による「年齢」の二次効果に関する重要なポイント。
また、どちらのシステムがより正確な自動または手動（？）です。 データの「ノイズ」をどのように取り除くことができるか。
- これは、金本位制、つまりペンの中の鳥の体重の正確な値がないため、答えることができないものです。 3つの測定システムがありますが、それぞれがすべての鳥の真の体重の概算です（ゴールドスタンダードの測定）。
- ゴールドスタンダードの測定値がある場合は、それと測定システムの差を計算し、これを結果として使用できます。
重要な役割を果たすと思う分野があります。
鳥の数（6週間で：140羽/ペンは手動で計量され、8〜20週間では、ペンあたり50羽のみ）。 Autoは24時間の平均を示し、同じ鳥が数回加重された可能性があります。
- これを要因としてテストすることはできません。 Autoの場合、「計量された鳥の数」はランダムであり、手動では試行全体で制御されます。 残念ながら、それはまた、「計量器のタイプ」と「年齢」の要因が、鳥の年齢にわたる測定システムの有効性ではなく、この変化によって引き起こされる変動性を説明することになることを意味します。
計量器と校正の精度。どちらも校正分銅で校正されていますが、いくつかの不一致があります。 たとえば、体重を測定する前に10kgのチェックを行うので、10 kgの測定値を10回記録しましたが、それらの測定値の一部が-/+10gの許容範囲外になりました。
- この調査で使用する前に、すべての計量器が正確であることを確認する必要があります。 これが、一部のペン（2、6、9、13、および19）が他のペンと大幅に異なる理由である可能性があります。 それらはすべて別々の計量器を持っていますか？ 見る@statman測定システム分析に関するの応答。
質問に答えるためにどのような分析を行うことができるかを知りたいと思います。一部の試験では、特定の年齢のこれらの要因が重要であり、他の試験ではそうではないのはなぜですか（？）（添付のJMP表とパワーポイントのスライドを結果とともに見つけてください）。
- 一般的な経験則では、データが多いほど効果を検出する能力が高くなり、常にできるだけ多くのデータを使用します。
また、ペンをランダム効果として扱い、計量器の年齢と種類を固定効果として扱った単一の試行に基づいて、同僚に対して同様の分析を実行しようとしています。 しかし、分析の結果はフィルスのものとは異なるので、私は何か間違ったことをしたと思います。 「ブロイラートライアル54」という添付ファイルを見つけてください
- ペンはランダム効果ではないと思います。すべての試行に20本のペンを使用しているようです。 もしそうなら、これを固定効果として維持します。 たとえば、可能な100本のペンからランダムに20本を選択する場合、それはランダム効果です。
これらのコメントとからの徹底的なコメントで@Mark_Bailey 、 @Phil_Kayと@statman上記では、これは現在推測できる分析ではありません。
再：自動対手動計量-効果テストこのスレッドへの返信：効果テスト自動vs手動
「」各試行のデータを見ると、「ペン」は大きな効果があるように見えますが、すべてのデータを組み合わせると、ペンの大きな効果はありません（なぜそうなるのかわかりませんか？）
JMPコミュニティのメンバーの1人（@mark_baily）が親切に分析してくれました（添付の単語文書を見つけてください）が、やはり完全には理解していません。
私はあなたがそれを調べて、これらのデータを処理するための最良の方法が何であるかを私に知らせてくれないかと思っていました。 「」
まず第一に、同じトピックで新しいスレッドを開始しないことが最善です。 それはあなたを助けたいと思っているすべての人にとって混乱するだけです。 そして、問題を解決するためにこれを理解しようとしている人のために。
次に、JMPデータテーブルを添付してください。 .xslxファイルとまったく同じ方法でjmpファイルを添付できます。
共有したデータをJMPテーブルとして添付しました。
表には、2つのモデルスクリプトがあります。1つはすべての試行のモデル（試行はランダム効果）用で、もう1つは各試行の個別のモデル用です。
はい、データをモデル化するこれら2つの方法では、さまざまなことが重要です。 それは珍しいことではありません。 簡単に説明すると、特定のトライアルでは、すべてのトライアルを調べたときに平均化される重要な違いがある可能性があります。
個人的には、品質をチェックするだけの場合は、まずデータをプロットすることをお勧めします。 あなたはこれをしましたか？
私はこのプロットが有益であると感じました（表にもスクリプトがあります）。 たとえば、試験5と16〜17歳のデータは調査する価値があるように見えます。
よろしく、
フィル
再：自動対手動計量-効果テストやあ、
ご提案ありがとうございます。
正直なところ、JMPテーブルをアップロードする方法がわかりません。 そのため、Excelスプレッドシートをアップロードしました。
私は、自動と手動の重みの違いがいつ重要になるかを確認することを計画しています（特定の年齢で、またはおそらく全体的に）。
また、違いが計量方法によるものかどうか（？）、または重み付けされている鳥の数によるものかどうかを判断したいと思いました（Autoはより多くの鳥を記録しますが、同じ鳥が複数の重み付けされている可能性があることを認識しています手動計量では、すべての鳥が1回計量されます。 さらに、人生の後の段階でオートスケールを使用することに熱心な鳥は少なくなります）
前述のように、鳥の数にはばらつきがあります。 現時点では、手動の重み（ペンの20％が重み付けされています）に基づいていますが、この方法から離れて、自動で中継できるようにしたいと考えています。 したがって、私は、自動に依存できるかどうかという質問に答えるデータをどのように提示するかを考えようとしています。
再：自動対手動計量-効果テストExcelシートで「試行」を特定していませんか？ トライアルとは何ですか？ 反復測定に基づいて試行が何であるかを理解しようとしましたが、そのパターンを見ると、7つの試行が見つかりましたか？
精度は「真の値からの平均偏差」です。 これは通常、キャリブレーションの目的で行われます。 このデータセットでは精度の問題に答えることはできません。 おそらくあなたは精度に興味がありますか？ 同じ鳥が2回以上体重を測定されたかどうかの記録はありません。 デバイスの精度（再現性）を評価するには、同じデバイスで同じ鳥を2回測定する必要があります（異なる年齢ではなく、短時間で）。 精度の再現性を評価するには、両方のデバイスで同じ鳥を短時間で測定する必要があります。 データセットにはこれの記録がないため、測定システムの精度に関する質問に答えることはできません。
記録された唯一のYは私の推測、平均体重です。 複数の測定値の平均をとるときはいつでも、個々の値の変動と分布を理解することが重要です。 「特別な原因」のデータポイントがある場合、それらは平均を歪める可能性があります。 分布が著しく正常でない場合、平均は中心傾向の不適切な尺度である可能性があります。
6週間の時点で自動計量機のデータはありません。 計量される鳥の数は、計量器のタイプと混同されます（手動は常に50で、自動はランダムな＃です）。 あなたの背景情報は紛らわしいです：
「」 140羽/ペンの年齢で6週間まで、50羽/ペンの8週間以降は加重されます。」
「ペンごとに700羽の鳥が6週間まで存在する」
おそらく、鳥の個体数に基づいてデータを正規化する必要がありますか？
マークが示唆しているように、測定システムの研究をよりよく理解する必要があります。 私は読むことをお勧めします：
Wheeler、Donald and Lyday、Richard“測定プロセスの評価” SPC Press（ISBN 0-945320-06-0）
データの簡単なグラフを添付しました。 さらに理解せずに追加の分析を行うのは時期尚早です。
再：自動対手動計量-効果テストブックをインポートし、JMPのいくつかのデータ列属性を変更しました。
重要な変数を評価するためにパーティションモデルを使用しました。 年齢は断然最も重要な変数です。
体重の線形回帰モデルの予測変数としてすべての変数を使用しました。 トライアルとペンをランダム効果として扱い、残りはすべて固定効果として扱いました。 最初の分析は次のとおりです。
ランダム効果の分散成分分析は、試行またはペンの間に有意な効果（差）がないことを示唆しています。 年齢は非線形効果を示します。 計量器の種類と、計量する鳥の数への依存性には違いがあります。
このプロットは、モデルの予測パフォーマンスを示しています。
また、残差を調べて、データまたはモデルの仮定に関する問題を探しました。
体重が最も少ないモデルには、まだいくらかのバイアスがあることが詳細にわかります。 範囲の中央には、他の隣接する重みとは異なる重みのクラスターもあります。
データは生成された順に記録されていると思います。 もしそうなら、調査すべきパターンがまだあります。 トライアルで色分けし、計量器の種類でマークを付けました。
再：自動対手動計量-効果テストJMPデータテーブルでデータを提供しないのはなぜですか？
この調査の開始時の分析計画は何でしたか？
参照してくださいヘルプ>JMPドキュメントライブラリ>品質および生産性ガイド>測定システム分析の章JMPを使用した測定の精度の決定に関するレッスン。
自動対手動計量-効果テストやあ、
データをExcelファイルに添付しました。
過去4回の試行（自動および手動計量）からすべての体重データを収集しました。
特定の年齢での自動と手動の違いが、計量方法や計量されている鳥の数、あるいはその他の要因によるものかどうかを調べたいと思います。
また、より多くの鳥が加重されているため、自動加重が手動よりも正確であるかどうかを確認したいと思いますが、トライアルの終了時（16〜20週間）に自動加重を使用している鳥は少なくなります。 。
モデルでペン番号をランダムファクター（？）として使用する必要があるかどうか疑問に思っていました。
バックグラウンド：
- 手動計量器を使用して、140羽/ペンの年齢で最大6週間、50羽/ペンの8週間後に体重を測定します。 一方、自動計量機は手動よりも多くの重量を記録します（Excelスプレッドシートのデータ）
- ペンごとに700羽の鳥が6週間まで存在します。 8〜14週：230羽/ペンおよび14〜20週：176羽/ペン
- 全体で20本のペンがあります
提案や解決策をいただければ幸いです。
事前にどうもありがとうございました。
Re：効果テストミラ、
データテーブルを添付すると、分析用の正しいモデルを作成することができます。
Re：効果テスト「裁判」とは何ですか？ 分析のために試行を1つのデータセットに結合するのではなく、なぜ各試行を個別に分析するのですか？
効果検定は、帰無仮説の仮説検定であり、効果はありません。 つまり、パラメーター推定値はゼロに等しくなります。 テストは、平均二乗和を2回推定することによって実行されます。 最初の推定値（平均二乗和誤差）は、影響とは無関係です。 2番目の推定値（平均二乗和モデル）には、効果の寄与が含まれます。 これら2つの推定値の比率（ F効果がない場合、比率）は1に近くなります。 効果がある場合、比率は1より大きくなります。 有意な効果についての結論は、通常、テストの前にɑを決定し、次に比較することによって達成されます。 p -の値Fこのレベルに対する比率。 一般的ですが、常に適切であるとは限りません。 ɑ = 0.05であり、JMPは次の形式のレベルを想定しています。 p -値。
使用する場合ɑ = 0.05、私はそれを結論付けます：
- 計量器の種類の影響はありません、
- 年齢の影響があります、
- しかし、年齢の影響は2種類の計量器で同じではありません。
参照してくださいヘルプ>JMPドキュメントライブラリ>線形モデルのフィッティングガイド>第3章：標準最小二乗レポートとオプション。
