Re: 무작위 효과 테스트감사해요 @Victor_G ,
귀하가 제공한 제안을 검토하기 직전에 내 반지가 Ring1에서 Ring6으로 불리지만 반드시 특정 순서를 따를 필요가 없다면 가치 순서로 무엇을 해야 합니까?
Re: 무작위 효과 테스트안녕 @가브리엘 ,
기본적으로 JMP에서 분할구 설계를 만들 때 전체 그림은 1, 2, 3, ...로 정렬되며 이 정보는 열 속성에 저장됩니다.
JMP 도움말( 가치 주문(jmp.com) ) : " 대부분의 DOE 플랫폼을 사용하여 생성된 설계에서 구성된 요소 전체 플롯 및 하위 플롯을 포함한 범주형 요소와 차단 요소에는 값 순서 속성이 할당됩니다. 이 속성은 요인 섹션에 표시되는 순서에 따라 수준을 정렬합니다. 구성된 요소의 수준은 연속 정수이며 값 순서 속성은 이 자연 순서를 지정합니다. 필요에 맞게 모든 요소에 대한 값 순서 사양을 수정할 수 있습니다. "
순서 자체는 그다지 중요하지 않으므로(요인을 지정한 방식과 관련됨) 필요한 경우 변경할 수 있습니다(모든 블록이 실험 재분배/분포 측면에서 유사하기 때문).
이 답변이 도움이 되길 바라며,
Re: 무작위 효과 테스트안녕 @가브리엘 ,
테이블의 모양과 설명에서 설계는 전체 플롯이 "링"이고 변경하기 어려운 요인이 "오염"인 분할구 설계처럼 보입니다. 종은 변경하기 쉬운 요소이고 Dyn은 두 시간 간격(50일 및 56일, 시간은 디자인에서 연속 요소로 사용될 수 있음)으로 측정된 응답입니다.
무작위 효과로 관련 분석을 생성하려면 일부 열 속성을 먼저 설정해야 합니다.
무작위 블록으로서 "Ring"은 "오염" 요인과 완전히 상관관계가 있으며 두 개의 열 속성을 가져야 합니다.
- "디자인 역할"을 "랜덤 블록"으로 설정,
- "값 순서"는 반지의 순서를 알기 위해 설정됩니다.
변경하기 어려운 요인으로 "오염"에는 세 가지 열 속성이 있어야 합니다.
- "디자인 역할"을 "카테고리"로 설정,
- "팩터 체인지"를 "어려움"으로 설정,
- "값 순서"는 낮은 수준과 높은 수준 사이의 순서를 알기 위해 설정됩니다.
"종"에 대한 속성은 동일하지만 "요인 변경" 속성은 "쉬움"으로 설정되어야 합니다.
"days"의 경우 일별 Dyn 분석을 수행하고 각 기간에 대해 하나씩 두 개의 개별 모델을 생성하거나 "days"를 연속 요인으로 직접 사용하고 "factorial to degree 2" 모델(메인이 있는 모델)을 지정할 수 있습니다. 효과 및 2요인 상호작용) .
속성이 설정되면 "모델 적합"으로 이동하여 모델을 지정할 수 있습니다(모델 효과 패널에서 "링"을 추가하고 임의 효과로 사용할 수 있도록 "혼합 모델" 특성을 선택해야 할 수 있음).
편집: 최소 제곱 모델을 수행할 수도 있지만 모델에 링이 입력된 "속성" 옆에 있는 빨간색 삼각형을 사용하여 임의 효과로 지정합니다. 혼합 모델 성격과 동일한 테스트가 수행됩니다(임의 효과가 통계적으로 유의한지 여부를 평가하기 위해 REML 분산 구성 요소 추정치 및 Wald p-값을 볼 수 있음). 이 모델 가능성은 데이터 테이블의 스크립트에 추가되었습니다.
자신의 데이터에 대한 분석을 완료하고 랜덤 효과에 대한 테스트 결과에 따라 다른 모델도 시도할 수 있습니다(유의하지 않거나 다른 모델링 플랫폼인 경우 랜덤 효과가 없는 일반화된 회귀).
이 첫 번째 답변이 도움이 되기를 바랍니다.
첨부된 모든 열 속성 세트와 함께 사용된 JMP 데이터 테이블 및 이 데이터 세트에서 사용한 "혼합 모델" 스크립트를 찾으십시오.
무작위 효과 테스트안녕하세요 여러분, 실험 설계에 대한 약간의 설명이나 안내를 부탁드립니다.
내 실험에는 가스 오염(2가지 다른 수준)과 종(2가지 다른 종)의 두 가지 주요 처리 방법이 있습니다. 실험은 두 개의 주요 링(각 오염 수준에 대해 하나씩)을 가지도록 설정되었으며, 각 링에는 두 개의 서로 다른 종이 있습니다. 각 링은 3번 복제되어 관심 매개변수를 평가하기 위해 총 6개의 링이 됩니다.
기본 가정은 링을 무작위 효과로 테스트하는 것이지만 어떻게 해야할지 잘 모르겠습니다. 정규성 가정을 충족한 후 가스 오염, 종, 일수 및 상호작용 효과를 어떻게 정확하게 예측할 수 있습니까?
몇 가지 지침이 필요하므로 샘플 Excel 데이터를 추가했습니다.
감사합니다.
품질 및 프로세스 엔지니어링윈도우Re: 무작위 효과 테스트정말 자세한 설명 감사합니다 많은 도움이 되었습니다.
에 대해 명확히 하고 싶습니다. 일반화 회귀 그냥 하는거랑 뭐가 다른거야 최소 제곱 곧장? 하지만 일반화된 회귀를 통해 다른 탐색을 할 수 있기 때문에 몇 가지 차이점을 발견했습니다. 추정 방법 . 그러나 최소 제곱을 직접 피팅하고 일반화된 회귀 플랫폼을 통해 수행하는 경우 이점 또는 차이점은 무엇입니까?
관심 있는 매개변수에 대해 두 가지를 개별적으로 수행할 때 몇 가지 차이점과 유사점(첨부 참조)을 볼 수 있습니다. 차이점(특히 효과 테스트의 Cv)에 대한 이유를 설명해 주시겠습니까?
Re: 무작위 효과 테스트감사합니다 @Victor_G . 나는 지금 본다.
결론은 언제 무엇을 사용할 것인가? 또는 정규 분포된 데이터 세트가 있는 경우 서로를 사용해야 하는 명목 변수의 특정 특성이 있습니까?
예를 들어 이력서 이 경우 특별한 순서가 없기 때문에 명목상으로 유지되어야 합니다. 이산화탄소 오염(높거나 낮음)이지만 특별히 순서가 있는 것은 아닙니다. 물론 연속 변수로 들어오도록 모델에 날짜를 입력합니다.
나는 이것에 대해 명확하지 않습니다.
감사해요.
Re: 무작위 효과 테스트안녕 @가브리엘 ,
모델에 명목 변수만 있는 것 같습니다.
일반화 회귀와 최소 제곱 플랫폼 간의 최소 제곱 추정 방법의 차이점에 대한 귀하의 질문에 대한 응답 요소를 찾았을 수 있습니다.
" 일반화 회귀 특성에 사용되는 명목 변수의 매개변수화는 다른 적합 모델 특성을 사용하는 매개변수화와 다릅니다. 일반화 회귀 특성은 지표 함수 매개변수화를 사용합니다. 이 모수화에서 명목 변수 수준에 대한 지표에 해당하는 추정치는 해당 수준의 평균 반응과 마지막 수준의 평균 반응 간의 차이에 대한 추정치입니다. 마지막 레벨은 가장 높은 값의 주문 코딩이 있는 레벨입니다. 모델에 지표 기능이 포함되지 않은 수준입니다."
시작: 일반화된 회귀 성격 실행
반면 적합 모델에서는 다음과 같습니다.
" 모델 적합 시작 창에서 명목 모델링 유형이 있는 열을 입력하면 JMP는 이를 내부적으로 일련의 연속 지표 변수로 나타냅니다. 각 변수는 –1, 0, 1 값만 가정합니다. (이 코딩은 명목 변수를 코딩하기 위해 표시 변수를 사용하는 많은 방법 중 하나입니다.) 명목 열에 N 레벨, 다음 N 이를 나타내기 위해서는 이러한 지표 변수 중 -1개가 필요합니다. (에 대한 필요성 N -1개의 지표 변수는 명목 열과 관련된 주효과가 다음과 같은 사실과 직접 관련됩니다. N –1 자유도.) 자세한 내용은 다음에서 다룹니다. 명목 요인 . "
에서 : 명목 효과 코딩에 대한 통계적 세부 정보
따라서 당신이 보는 차이는 이 명목 효과 코딩의 차이와 연결될 수 있으므로 다른 추정 값과 계산된 p-값을 제공합니다.
이 답변이 차이점을 이해하는 데 도움이 되기를 바랍니다.
Re: 무작위 효과 테스트안녕 @가브리엘 ,
요인, 주제 및 목표에 따라 크게 달라지므로 귀하의 질문에 대한 명확한 답변이 없을 수도 있습니다.
이 두 가지 명목 효과 코딩의 차이점을 이해하는 한, 각 수준을 하나의 특정 수준과 비교하여 명목 요인의 수준을 평가할 것으로 예상하는 경우 일반화 회귀의 명목 코딩이 더 적합할 수 있습니다. 열 속성 "값 순서"를 사용하여 연구 설계에 맞도록 필요한 순서를 지정할 수 있습니다. 요인의 마지막 수준은 다른 모든 수준과의 비교에 사용됩니다.
예를 들어, JMP 데이터 테이블 예인 "Cholesterol.jmp"에서 저는 개인적으로 표준 최소 제곱 추정 방법을 사용하여 Generealized Regression 플랫폼을 기반으로 하는 모델을 만드는 것을 선호합니다. " 치료 효과 수준(기본적으로 알파벳 순서로 되어 있지만 "값 순서" 열 속성을 추가하여 "제어"와 같은 다른 수준과의 비교를 변경할 수 있음). 모든 다른 수준에서 계산된 평균과 비교하는 것이 아니라 위약(또는 대조군)과 비교하여 다양한 치료의 효과가 무엇인지 알고 싶기 때문에 더 의미가 있습니다.
그러나 각 수준이 모든 수준에서 계산된 평균 응답에 어떤 영향을 미칠 수 있는지 알고 싶다면 모델 적합 플랫폼의 표준 최소 제곱이 더 유용할 수 있습니다.
귀하의 CO2 오염은 높음과 낮음(높음 > 낮음) 사이에 "자연적인 순서"가 있기 때문에 순서 요인인 것 같습니다. 따라서 순서 요인 코딩에서 고려되는 정보이므로 이 요인을 순서로 지정할 수 있습니다. 또한 : https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/ordinal-factors.shtml#ww96069
서수 효과로 지정하고 수준이 2개뿐인 경우 각 수준(높음 - 낮음)에 대한 평균 응답의 차이를 취하여 효과 추정치를 계산하는 반면 "정상" 명목 코딩 및 2개 수준은 효과 추정치는 한 수준의 평균 응답과 두 수준에 대한 전체 평균 응답 간의 차이를 취하여 계산됩니다(예: 높음 - 평균(높음, 낮음)).
이 답변을 통해 이 복잡한 주제를 좀 더 명확하게 이해할 수 있기를 바랍니다.
Re: 무작위 효과 테스트감사합니다 @Victor_G . 제 경우에는 CO2 오염이 명목 변수 또는 요인에 더 가깝다고 생각합니다. 높음 또는 낮음은 데이터가 수집되는 환경일 뿐이기 때문입니다. 한 챔버에는 높은 CO2 오염이 주어지고 다른 챔버에는 낮은 오염이 주어집니다. 식물의 "A-Dyn" 반응 측정은 다양한 개방형 챔버에서 이루어집니다.
그러나 당신이 말했듯이 주제는 탐색하기가 매우 복잡합니다.
