こんにちはJMPユーザー
動物種の修正された羽のサイズ (連続; 体重による羽のサイズの残差) に対する性別 (公称)、高度 (公称)、および緯度 (公称) の影響を評価しようとしています。 この特定の種は主に、私の研究地域の急な標高勾配の極端な部分 (低い場所と高い場所) に分布しているという事実を考慮して、高度を名目上の要因と考えました。 また、3 つの主要な緯度レベル (北、中央、南) でのみ個人をサンプリングしたという事実を考慮して、緯度を名目上の固定要素と見なしました。
この分析には線形混合モデルを使用するよう提案されました。 具体的には、性別、標高、緯度、性別:緯度、性別:標高、標高:緯度を固定要因とし、採集場所(名目)を変量効果とする。 後者は、収集サイトのクラスター化された分布を示しています。 しかし、修正された翼のサイズは正規分布に従っているにもかかわらず、一部の高度/緯度グループ間の等分散性の仮定に違反していることに気付きました。 jmpで引き続き線形混合モデルを使用できますか? そうでない場合、データを分析するために他にどのようなオプションを追求できますか?
ご清聴ありがとうございました。
まず、コミュニティへようこそ。 これが私の最初の考えです（分析は常にこの順序に従う必要があります：実用>グラフィック>定量的）：
1. データをプロットします。 Graph Builder または Multivariate Methods>Multivariate を使用して、散布図行列を取得できます。
2. データをプロットします。 応答の変動が実際の値であるかどうかを判断します (十分に変動しましたか?)
3. データをプロットします。 定量分析は、グラフ分析からの結論を裏付けるために使用されます。 データをプロットするために必要な仮定はありません。
@statmans に役立つ提案を追加すると、
私は変動性プロットが好きです。
また、ランダムなデータ (効果が見つからない場所) を見るのも好きです。
以下のスクリプトはそのデータを生成します。
そして、単純な分析 (例: 分布と x による y の適合) から複雑な分析 (混合モデル分析) への道をたどります。
Names Default To Here( 1 );
// Generate a data table with random data
doe_obj = DOE(
Full Factorial Design,
{Add Response( Maximize, "size", ., ., . ), Add Factor( Categorical, {"m", "f"}, "sex", 0 ), Add Factor(
Categorical,
{"north", "center", "south"},
"latitude",
0
), Add Factor( Categorical, {"low", "high"}, "altitude", 0 ), Set Random Seed( 35445577 ), Make Design, Replicates( 10 ), Simulate Responses( 0 ),
Set Run Order( Randomize )}
);
dt = doe_obj << Make Table;
doe_obj << close window;
// generate random response
dt:size << set Formula( Random Normal() );
// Variability chart
dt << Variability Chart( Y( :size ), X( :sex, :latitude, :altitude ) )
