ANCOVA: JMP ANCOVA 結果を解釈します。 (4通りの組み合わせが可能)こんにちは皆さん。
JMP での ANCOVA の解釈に問題があります。
問題１．
IV を「連続変数」および「DV を連続変数、CV をカテゴリ変数」として使用できますか?
私は「ANCOVA には IV-カテゴリカル、DV-連続、CV-連続が必要である」という多くの参考文献を読んでいたので。
IV がカテゴリカルである場合、IV と DV の関係は線形回帰として定義できないため、非常に混乱します...それらは単なる ANOVA です...
そうじゃない？？
問題2。
ANCOVA では 4 つの JMP 出力が可能です
1- 傾きが異なり、切片が異なる
2- 傾きは同じ、切片は同じ
3- 傾きは異なりますが、切片は同じです
4 - 傾きは同じ、切片は異なる
1 と 3 のケースをどう解釈すればよいでしょうか?
この状況になった場合、別のアプローチがあるようですが、
しかし、それは複雑すぎます。
私を助けてください。
消費者および市場調査Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)「分析」>「特殊なモデリング」>を参照することをお勧めします。フィットカーブ。 テスト方法 (Y)、標準方法 (X) を指定し、インジケーター列 (グループ) を使用します。 [多項式] グループで [線形フィット] コマンドを選択します。 フィット アウトラインには、類似性を評価するための等価性コマンドと並列性コマンドを備えた独自のメニューがあります。
キャリブレーションごとに対照サンプルをテストしますか? 一貫性を評価するために管理図を使用していますか?
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)Fit Curve プラットフォームの使用がオプションになるかどうかは疑問です。このプラットフォームはパラメータの比較をサポートしています。私はこれを非線形関係にのみ使用したことがありますが、線形モデルでも使用できます。ここでは、モデル内の各項に対して平均分析 (ANOM) の形式で同等性検定を実行できます。
以下は、によって提供されたデータの傾きの比較です。 @バイロン_JMP
JMP のオンライン ヘルプのリンクは次のとおりです。
パラメータの比較
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)私を説得することを諦めないでください。
私の潜在的な結論に確固たる根拠は必要ありません。
私がしなければならないのは、複数の行を同じと見なすかどうかを判断することだけです。
ご存知のとおり、キャリブレーション (毎日など) 曲線は同じであるはずですが、人為的エラーなどの要因によって「不一致」が生じます。
それらを「同じ」として扱うことができるかどうかを決定したいのです。
私を助けてください。 あなたの助けが必要です。
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)ありがとう、そして興味深いですね。
しかし、プールすることに何の意味があるのでしょうか?
プールされているラインと既存ラインの 1 つ (例: A460 1) が比較の対象になりますか?
そんな必要ないと思います。
私が導きたい最終的な結論は、線がすべて同じかどうかです。
jmp ファイルを考えると、
相互作用が重要であり、インターセプトが重要ではない場合、問題が発生します。 (またはその逆)
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)
データテーブルの例を添付します。 テーブル スクリプト「Pool Curves?」の横にある緑色の三角形をクリックします。
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)申し訳ありませんが、実際にはそうではありません。
前回の投稿の要点は理解できます。
しかし、それは私の問題2であるとは言えません。
「坂が同じかどうかは本当に気にします。」
シンプルなアプローチ。 (この場合、深い統計理論は必要ありません)
重要な場合でも、同じではありません。
重要でない場合も同様。
しかし、どのような基準で？スロープ？インターセプト？
混乱するケースは2つだけですが、
- 有意でない傾きと有意な切片
- 傾きは有意であり、切片は有意ではありません。
そしてこれには根拠があるのでしょうか？今のところ見つかりません。
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)まず問題 2 の答えを整理できるかどうかを見てみましょう。 線形モデルの解釈を強調するために、線形モデルを再説明します。
当てはめるもの: Y = b0 + カテゴリカル + 連続 + カテゴリカル * 連続 + 誤差
解釈内容: Y = (b0 + カテゴリカル) + (1 + カテゴリカル) * 連続 + エラー
最初の合計は回帰モデルの定数です。 最初の合計のカテゴリカル パラメーターが重要な場合は、b0 に加算されます。そうでない場合は、ゼロとなり、何も加算されません。 カテゴリ項が有意でない場合は、b0 または共通切片のみが存在します。 OTOH、それが有意である場合、カテゴリ因子の各レベルに関連付けられた一意または異なる切片が存在します。 同様に、交互作用項が有意な場合は、共通の傾きに加算されて、カテゴリ因子のレベルごとに固有のまたは異なる傾きが与えられます。 それ以外の場合はゼロとなり、共通の傾きのみが存在します。
この説明は役に立ちますか?
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)継続的な会話をありがとうございました。
問題1は理解できましたが、問題2が理解できません。
統計に対する理解が不十分なことが原因かもしれません。
「平均差」と「比例差」がわかりません
私は統計を扱う生産工学の研修を受けていましたが、これまでその言葉を聞いたことがありませんでした...特に比例差。
平均の差とはどういう意味ですか？
この用語は「t 検定」の場合と理解するのが正しいでしょうか?
t 検定では、グループ 1 の平均とグループ 2 の平均を比較します。
ちなみにライン比較の目的は、
「実際の傾き」を比較します。
pH計、分光光度計、その他私が現場で使用する多くの機器は、濃度が既知の標準によって作成された<検量線>を使用しています。
作成したら、目的の濃度を測定し、その濃度を <検量線> によって計算できます。
私はすべての は同じである必要があります。
ご推察のとおり、これらはまったく同じではありません。
そこで、-その日の繰り返し、-日、-オペレーター、-ラボなどで並べ替えました。
一番左のもので最小の「ANCOVA SIGNIFICANCE」、一番右のもので最大の「ANCOVA SIGNIFICANCE」を確認したいと思います。 (右の方が変動に寄与する要素が多いことが理解できると思います)
しかし、その「ホモ坂違反」をハードルとして臨みました。
どの履歴書から見ても全く気にしないので、同じものと考えて良いかもしれません。
傾きが同じかどうかがとても気になります。
どのくらい違いますか？気にしないでください。
したがって、この点では、どうしてもあなたの助けが必要です。
お願いします.. ！
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)問題 1: はい、ANCOVA を使用して、連続 CV、カテゴリカル IV、およびそれらの交互作用の項を使用してモデルを連続 DP に適合させることができます。 「ANCOVA」という名前は歴史的なもので、元のアプリケーションはカテゴリ因子 (一元配置 ANOVA) と連続共変量を同時に考慮する特殊なケースでした。 「線形予測子」という用語はより一般的であり、特殊な場合も含まれるため、ANCOVA のような用語はもうあまり使用しません。 前に述べたように、私たちは現在、分散分析をより一般的な線形回帰フレームワークで考える傾向さえあります。そのため、適切なレベルのコーディングを使用して、カテゴリー因子を含むモデルを分析するために回帰を使用します。
問題 2: 最初のケース (傾きが異なる、切片が異なる) は、グループ間の平均差、およびグループ間の比例差として解釈されます。 傾きはカテゴリ因子のレベルに依存するため、交互作用は重要です。 2番目のケース（傾きは異なる、切片は同じ) は、グループ間に平均の差はないが、グループ間には比例的な差があると解釈されます。
これらの質問の背景は何ですか? 安定性テスト? 何？
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)ご返信いただきありがとうございます。
しかし、要点が掴めない。
はっきりさせておきたいのは、...
傾きが不均一なのに、なぜ「線が同じではない」と言えないのでしょうか。
上記の発言の根拠を調べてみました。
しかし、それはできず、等勾配の仮定に違反した場合には別の方法を試すことしかできませんでした。
なぜ？ ANCOVAの目的は複数の行を比較することではないでしょうか？
そして、等勾配でない場合、線が同じではないことは明らかです。
理解させてください。お願いします...
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)もう 1 つの提案は、共変量項 FIRST をモデルに追加し、逐次検定 (type1) を使用してその有意性を評価することです。 部分テスト (タイプ 3) を使用して、モデル項の残りを評価します。
Re: ANCOVA: JMP ANCOVA の結果を解釈します。 (4通りの組み合わせが可能)問題 1: あなたは分散分析を古典的な意味で、おそらく特に均衡のとれたデータの分析について考えているようです。 現在の ANOVA と ANCOVA はすべて線形回帰で実行されます。 問題はモデルをどのようにパラメータ化するかだけです。 まだ線形予測子があります。 ANCOVA の線形回帰モデルは、DV = 定数 + IV + CV + CV*IV + 誤差です。
詳細な JMP ヘルプを参照してください。線形モデルのフィッティングそしてその因子パラメータ化の詳細。
問題 2: 一般的なアプローチは、完全な ANCOVA モデルを適合させてから、階層の最上位から始まる項 (つまり、交互作用効果の項) を削除することです。 JMP ヘルプのこのセクションについて効果試験役立つかもしれません。
