선형 혼합 모델 - 등분산성 가정 위반안녕하세요 JMP 사용자
나는 동물 종의 수정된 날개 크기(연속, 체중에 따른 날개 크기의 잔류)에 대한 성별(명목), 고도(명목) 및 위도(명목)의 영향을 평가하려고 합니다. 나는 이 특정 종이 나의 연구 지역에서 가파른 고도 기울기의 극단(낮고 높은)에 주로 분포되어 있다는 사실을 감안할 때 고도를 명목상의 요인으로 간주했습니다. 나는 또한 세 가지 주요 위도 수준(북쪽, 중앙 및 남쪽)에서만 개인을 샘플링했다는 사실을 감안할 때 위도를 명목상의 고정 요소로 고려했습니다.
이 분석을 위해 선형 혼합 모델을 사용하도록 제안되었습니다. 구체적으로 성별, 고도, 위도, 성별: 위도, 성별: 고도, 고도:위도를 고정 요인으로, 채집지(명목)를 랜덤 효과로 고려한다. 후자는 수집 사이트의 클러스터된 분포를 고려합니다. 그러나 수정된 날개 크기에도 불구하고 정규 분포를 따르지만 일부 위도/위도 그룹 간의 등분산성 가정을 위반하는 것으로 나타났습니다. jmp에서 선형 혼합 모델을 계속 사용할 수 있습니까? 그렇지 않다면 내 데이터를 분석하기 위해 어떤 다른 옵션을 추구할 수 있습니까?
당신의 친절한 관심에 미리 감사드립니다.
해석학Re: 선형 혼합 모델 - 등분산성 가정 위반먼저 커뮤니티에 오신 것을 환영합니다. 내 초기 생각은 다음과 같습니다(분석은 항상 이 순서를 따라야 합니다: Practical>Graphical>Quantitative).
1. 데이터를 플로팅합니다. 그래프 빌더 또는 다변량 방법>다변량을 사용하여 산점도 행렬을 얻을 수 있습니다.
2. 데이터를 플로팅합니다. 실제 값의 응답 변동이 있는지 확인합니다(충분히 변동되었습니까?)
3. 데이터를 플로팅합니다. 정량적 분석은 그래픽 분석의 결론을 뒷받침하는 데 사용됩니다. 데이터를 그리는 데 필요한 가정은 없습니다.
Re: 선형 혼합 모델 - 등분산성 가정 위반@statmans에 유용한 제안을 추가하면
변동성 플롯이 마음에 듭니다.
또한 임의의 데이터를 보는 것을 좋아합니다(효과가 발견되지 않아야 하는 곳).
아래 스크립트는 해당 데이터를 생성합니다.
그리고 단순한 분석(예: 분포 및 y x x 적합)에서 복잡한(혼합 모델 분석) 경로를 따르십시오.
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 ) )
