レポートにおける変量効果 p 値の意味こんにちは、
前のスレッドのフォローアップ ( https://community.jmp.com/t5/Discussions/MANOVA-repeated-measures-two-factors-multiple-comparisons/mp/54194 )、私は 20 人の被験者で実験を行いました (#6 のデータが欠落しています - 合計 19 サンプル)。 サンプリング時間は 5 回です。 合併症のある患者とそうでない患者がいます。 中央値で正規化されたデータがあり、対数変換された正規化されたデータを使用して、よりガウスにしています。 ランダム効果として患者の効果を評価し、固定効果としてサンプリング時間と合併症を評価する混合モデルを用意しました。 添付データを参照してください。
モデルを実行すると、患者[合併症] (つまり、合併症にネストされた患者) のランダム効果の p 値が「ランダム効果共分散パラメーター推定値」で 0.05 未満になることがあります...これはどういう意味ですか?ランダム効果変数をランダムとして定義しているため、ランダム効果変数は重要ではありませんか、それとも（概念的に）何か間違っていますか？
ありがとう、
ウリエル。
Re: レポートにおける変量効果 p 値の意味この区別は、よくある混乱のポイントです。
線形モデルには、固定効果とランダム効果の 2 種類の効果が含まれています。 固定効果は応答平均に寄与します。 それらは、因子/予測因子レベルの変化に起因します。 それらは再現可能です。変量効果は、応答の分散に寄与します。 少なくとも、ランダム エラーはランダム効果です。 他の場合には、追加の情報源があります (例えば、被験者、日など)。それらは特定の要因/予測因子に起因するのではなく、観察のグループまたはサンプルに起因します。 それらは再現可能ではありません (たとえば、新しい日、新しい主題など)。 一般に、ランダムな寄与は平均に比べて小さく、説明したり原因を特定したりするのではなく、単に説明したいだけです。
変量効果は (通常) 平均がゼロの正規分布としてモデル化されます。 それらは応答平均に偏りを与えません。
Re: レポートにおける変量効果 p 値の意味それは定義上、ランダムではないことを意味していませんか?それとも、ゼロサム分散ではなくバイアス（つまり、切片のシフト）ですか？Re: レポートにおける変量効果 p 値の意味もちろん、ランダム効果が重要になる可能性があります。 この結論は、この効果 (変量効果は分散) によって表される分散がゼロ (この効果からの分散なし) とは有意に異なることを意味します。
