効果テストこんにちは、みんな、
誰かがフィットモデル/効果テストの以下の結果を読むのを手伝ってくれないかと考えていました。
基本的に、過去 3 回の試験からの一連のデータがあり、計量方法に違いがあるかどうかを確認したいと考えています。 現在、私はさまざまな年齢で自動体重計と手動体重計を使用しています。 したがって、体重の結果に影響を与える要因として、年齢と体重計の種類を使用しました。 これら 2 つの計量器の間に見られる違いが、使用されている計量器の種類によるものなのかどうかを知りたいと思っています。
ありがとう！
トライアル1
効果試験 | ンパーム | 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（週数） | 6 | 6 | 5364.0025 | 2329.370 | <.0001* |
体重計の種類*月齢(週数) | 6 | 6 | 5.6173 | 2.4394 | 0.0264 * |
トライアル 2:
効果試験 | ンパーム | 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（週数） | 8 | 8 | 11195.978 | 12237.44 | <.0001* |
体重計の種類*月齢(週数) | 8 | 8 | 5.641 | 6.1657 | <.0001* |
トライアル 3:
効果試験 | ンパーム | 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（週数） | 7 | 7 | 8635.3296 | 8733.892 | <.0001* |
体重計の種類*月齢(週数) | 7 | 7 | 4.7245 | 4.7785 | <.0001* |
Re: 効果テストについてこんにちは、ミレナさん
ここでの議論のために私たちの電子メールのやりとりから追加しただけです:
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、または場合によっては一定の年齢 (?) で置き換えることができるかどうかを確立することです。
- したがって、「体重計の種類」の影響と、「体重計の種類」と「年齢」の間の交互作用効果に興味があることを指定する必要があります。
- 「計量器の種類」要素が重要な場合は、測定システム間に違いがあることになります。
- さらに相互作用因子が有意である場合、その差は鳥の年齢とともに変化します。
- も考慮に入れてください@Mark_Bailey 「年齢」による「年齢」の二次効果についての重要な点です。
また、自動と手動 (?) のどちらのシステムがより正確であるかについても説明します。 データの「ノイズ」をどのように除去するか。
- これは、黄金の標準的な尺度、つまり囲いの中の鳥の体重の正確な値を持っていないため、答えることができません。 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近似値です (ゴールドスタンダード測定値)。
- ゴールドスタンダードの尺度があれば、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われる領域がいくつかあります。
鳥の数 (6 週間目: 140 羽/檻の重量を手動で測定し、8 週間から 20 週間では 1 檻あたり 50 羽のみ)。 一方、自動では 24 時間にわたる平均が得られ、同じ鳥の体重が数回測定される可能性があります。
- これを要因としてテストすることはできません。自動の場合はランダムであり、手動では試験全体にわたって制御されます。 残念なことに、これはまた、「計量器の種類」と「年齢」という要素が、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、多少の誤差があります。 たとえば、体重を量る前に10kgのチェックを行うため、10kgの測定値を10回記録しますが、それらの測定値のいくつかは許容範囲の-/+ 10gを超えていました。
- この研究で使用する前に、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、19) が他のペンと大きく異なる理由かもしれません。 それらはすべて別々の計量器を持っていますか? 見る@スタットマン測定システム分析に関する さんの回答。
質問に答えるためにどのような分析ができるかを知りたいのですが、なぜ一部の試験では特定の年齢におけるこれらの要因が重要であり、他の試験では重要ではないのはなぜでしょうか (添付の JMP 表と結果を含むパワーポイントのスライドをご覧ください)。
- 一般的な経験則では、データが多ければ影響を検出する能力も高くなります。常にできるだけ多くのデータを使用します。
また、私は単一の試験に基づいて同僚のために同様の分析を実行しようとしています。ペンはランダム効果として、体重計の年齢と種類は固定効果として扱われます。 しかし、分析結果はフィルスとは異なるため、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。
- ペンはランダムな効果ではないと思いますが、すべての試験で使用するペンは 20 本あるようですね？ そうであれば、これを固定効果として保持します。 たとえば、100 本のペンの中から 20 本をランダムに選択した場合、それはランダム効果になります。
これらのコメントと、皆様からの徹底したコメントにより、 @Mark_Bailey 、 @Phil_Kayそして@スタットマン上記のように、これは現時点で推測できる分析ではありません。
Re: 自動計量と手動計量 - 効果テストこのスレッドへの返信:効果テスト 自動と手動
」各試行のデータを見ると「ペン」の影響が大きいように見えますが、すべてのデータを統合すると、ペンの影響は顕著ではありません（なぜそうなるのかわかりません）。
JMP コミュニティのメンバーの 1 人 (@mark_baily) が親切に分析をしてくれました (添付の Word 文書を参照してください) が、やはり私は完全には理解できませんでした。
調べて、これらのデータを処理する最適な方法を教えていただけないでしょうか。 」
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。 あなたを助けたいと思っている人たちにとって、それは混乱を招くだけです。 そして、自分の問題を解決するためにこれを理解しようとしている人にとっても。
次に、JMP データテーブルを添付してください。 jmp ファイルは、.xslx ファイルとまったく同じ方法で添付できます。
共有していただいたデータを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用 (試行は変量効果です)、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、重要な点が異なります。 それは珍しいことではありません。 簡単に説明すると、特定の試験については、すべての試験を調べたときに平均化される重要な差異が存在する可能性があるということです。
個人的には、品質をチェックするためだけに、まず最初にデータをプロットすることは非常に良い考えだと思います。 これをやったことがありますか？
このプロットは有益であることがわかりました（スクリプトも表にあります）。 たとえば、トライアル 5 と年齢 16 ～ 17 歳のデータは調査する価値があると思われます。
よろしく、
フィル
Re: 自動計量と手動計量 - 効果テストこんにちは、
ご提案いただきありがとうございます。
正直に言うと、JMPテーブルのアップロード方法がわかりません。 そこで、Excelスプレッドシートをアップロードしました。
私は、自動と手動の重量の差がいつ顕著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、その違いが体重測定方法によるものなのかどうか（?）、それとも体重を測定する鳥の数によるものなのかを判断したいと思っています（自動ではより多くの鳥が記録されますが、同じ鳥が複数の体重を測定される可能性があることは承知しています）手動計量では、すべての鳥の体重が 1 回測定されます。 さらに、人生の後期になるとオートスケールを積極的に使用する鳥は少なくなります）
前述したように、鳥の数にはばらつきがあります。 現時点では、トライアルは手動の重み付け (ペンの 20% に重み付け) 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、Auto 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ています。
Re: 自動計量と手動計量 - 効果テストExcel シートで「トライアル」を特定していませんか? 裁判とは何ですか? 年齢を繰り返し計測してトライアルを考えてみたのですが、そのパターンを見てみるとトライアルが7つ？
精度とは「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。 おそらく精度に興味があるのではないでしょうか？ 同じ鳥の体重が複数回測定されたかどうかについて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、短期間で)。 正確な再現性を評価するには、同じ鳥を両方のデバイスで短期間に測定する必要があります。 データセットにはこれに関する記録がないため、測定システムの精度に関する質問には答えることができません。
唯一記録されている Y は私の推測、平均体重です。 複数の測定値の平均を取るときは常に、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、平均が歪む可能性があります。 分布が著しく正規ではない場合、平均は中心傾向の不適切な尺度となる可能性があります。
6 週間目の自動体重計にはデータがありません。 計量された鳥の数は計量機のタイプと混同されます (手動は常に 50 で、自動はランダムな数です)。 背景情報がわかりにくいです:
」生後 6 週間までは 140 羽/檻、生後 8 週間以降は 50 羽/檻の重量を測定します。」
「生後6週間まで、1つの囲いあたり700羽の鳥が存在する」
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るでしょうか?
マークが示唆するように、測定システムの研究についてより深く理解する必要があります。 読むことをお勧めします:
ドナルド・ウィーラーとリチャード・ライデイ」測定プロセスの評価『SPC出版』（ISBN 0-945320-06-0）
データの簡単なグラフを添付しました。 さらなる理解なしに追加分析を行うのは時期尚早です。
Re: 自動計量と手動計量 - 効果テストワーク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、残りをすべて固定効果として扱いました。 初期分析は次のとおりです。
変量効果の分散成分分析は、試行間またはペン間に有意な効果（差）がないことを示唆しています。 年齢は非線形の効果を示します。 計量器の種類と計量する鳥の数に違いがあります。
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。
詳細を見ると、最低体重のモデルにはまだある程度の偏りが存在することがわかります。 範囲の中央にも、他の隣接する重みとは異なる重みのクラスターがあります。
データは生成された順に記録されていると思いました。 もしそうなら、調査すべきパターンはまだあります。 トライアルごとに色分けし、計量器の種類ごとにマークを付けました。
Re: 自動計量と手動計量 - 効果テストデータを JMP データ テーブルで提供しないのはなぜですか?
この調査を開始した時点ではどのような分析計画を立てていましたか?
参照してくださいヘルプ > JMP ドキュメントライブラリ > 品質と生産性ガイド > 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については、こちらをご覧ください。
自動計量と手動計量 - 効果テストこんにちは、
データをエクセルファイルで添付させていただきました。
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。
特定の年齢で自動と手動の間で見られる違いが、体重測定方法によるものなのか、体重測定される鳥の数によるものなのか、それとも他の要因によるものなのかを知りたいと思っています。
また、より多くの鳥の体重が測定されたため、自動体重計が手動体重計よりも正確であるかどうかを知りたいのですが、トライアルの終わり（16〜20週間）では自動体重計を使用する鳥が少なくなっているのか、それともその逆なのかを知りたいです。 。
ペン番号をランダム要素 (?) としてモデルに使用する必要があるかどうか疑問に思っています。
背景：
- 手動計量器を使用して、生後 6 週間までは 140 羽/檻、生後 8 週間以降は 50 羽/檻の重量を測定します。 一方、自動計量器は手動計量器よりも多くの重量を記録します (データは Excel スプレッドシートにあります)。
- 生後6週間までは囲い当たり700羽の鳥が生息する。 8～14週間: 230羽/檻、14～20週間: 176羽/檻
- ペンは全部で20本あります
何か提案や解決策があればよろしくお願いします。
事前にどうもありがとうございました。
Re: 効果テストについてミラ、
データ テーブルを添付していただければ、分析用の正しいモデルの作成を検討できる可能性があります。
Re: 効果テストについて「裁判」とは何ですか？ 試験を 1 つのデータセットに結合して分析するのではなく、各試験を個別に分析するのはなぜですか?
効果検定は、効果がないという帰無仮説の仮説検定です。 つまり、パラメータ推定値はゼロになります。 この検定は、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 (平均平方和誤差) は、いかなる影響にも依存しません。 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比）は、効果がない場合は 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。 有意な効果に関する結論は、通常、テストの前に ɑ を決定し、次にその結果を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割合。 一般的ではありますが、常に適切であるとは限りません。 ɑ = 0.05 であり、JMP はそのレベルをフォーマットの前提とします。 p -価値観。
私が使うならɑ = 0.05、次のように結論付けます。
- 計量器の種類の影響はありません。
- 年齢の影響もありますが、
- ただし、Age の影響は 2 つのタイプ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。
