문의 - 안정성 연구에 관한 질문 - 분해 데이터 분석저는 JMP 17 사용자이며 현재 안정성 연구 - 열화 데이터 분석 작업을 하고 있습니다.
몇 가지 문의 사항이 있어 지원을 요청하고 싶습니다.
모델 1~4에 대한 단순 선형 경로 결과를 검토할 때 다음 사항을 확인했습니다.
- 모형 1에서 JMP 추정은 절편과 월 항을 제외한 ANCOVA 모형을 표시합니다.
(SAS에서 "glm - 모델 - noint 옵션 및 A의 주요 효과 없음"을 사용하는 것과 유사: 모델 Y = B + A*B / Noint SS1 솔루션). 
- Model 2에서 결과는 절편을 제외한 ANCOVA 모델과 동일하다. (존재하지 않는 캡처 파일)
이를 염두에 두고 각 Model에 대한 ANCOVA 모형에서 각 배치의 절편과 기울기에 대한 p-값을 계산하는 방법을 알고 싶습니다. 또한 JMP가 제공할 수 있는 관련 참고 자료나 리소스를 요청합니다.
가능하시다면 다음 질문에 답변해 주시면 대단히 감사하겠습니다.
- ANCOVA 모델에서 각 배치의 절편과 기울기에 대한 p-값을 계산하는 방법은 무엇입니까?
관련 참고 자료나 리소스를 제공해 주시겠습니까? - 또한 ANCOVA에서 중요한 상호작용이 있을 때 주효과 제거에 관한 질문이 있습니다.
그러한 경우 주 효과를 제거해서는 안 된다는 것을 이해했습니다. 이에 대한 적절한 참고 자료가 있습니까?
제 문의에 관심을 가져주셔서 감사합니다. 추가 질문이 있거나 추가 정보가 필요하면 언제든지 알려주시기 바랍니다. 좋은 하루 되세요.
고급 통계 모델링품질 및 프로세스 엔지니어링윈도우Re: 문의 - 안정성 연구에 관한 질문 - 열화 데이터 분석안녕 @공변량이구아나 : 좋은 질문입니다. 처음부터 JMP Fit Model(또는 Stability) 결과와 SAS proc GLM 결과를 매우 신중하게 비교해야 합니다. 서로 다른 모델 매개변수화를 사용하므로 직접 비교할 때 주의를 기울여야 합니다. 자세한 내용은 이 링크를 참조하십시오.
https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/nominal-factors.shtml#ww65535
즉...모델 1에서 JMP는 ~ 아니다 "절편 및 월 용어를 제외한 ANCOVA 모델"을 사용합니다. JMP는 전체 모델을 사용하고 있습니다(각 주요 효과 및 상호 작용, 절편 포함). 그리고 모델이 매개변수화되는 방식(JMP와 SAS)이 다르기 때문에 SAS와 동일하게 보입니다. 즉, SAS proc GLM "모델 Y = B + A*B / Noint SS1 솔루션"은 JMP와 SAS가 모델을 매개변수화하는 방식이 서로 다르기 때문에 출력을 동일하게 보이게 하는 방법입니다.SAS에서 전체 모델을 실행하고 JMP에서 전체 모델을 실행하면 매개변수가 매우 다르게 보이지만 "매개변수 추정치"는 직접 비교할 수 없습니다. SAS는 JMP의 Fit Model 플랫폼에서 선택적 출력인 "Indicator Function Parameterization"을 사용합니다. SAS proc GLM의 전체 모델을 사용하면 Estimate 문을 사용하여 JMP와 동일한 결과를 얻을 수 있습니다. 그리고, 이 포인트가 사라지는 경우; JMP 적합 모형 결과(전체 모형)는 JMP 안정성 결과와 동일하며 둘 다 SAS proc GLM 결과(전체 모형)와 동일합니다. 그러나...그리고 이것이 핵심입니다. 출력에 표시된 매개변수(JMP 적합 모델 대 JMP 안정성 대 SAS proc GLM)는 동일한 추정치가 아닙니다. 결과적으로 p-값은 각각 동일한 가설을 테스트하지 않습니다. 안정성 데이터를 가져와서 JMP 적합 모델(전체 모델)을 통해 실행하고 "매개변수 추정치"의 추정치를 "지표 함수 매개변수화"(SAS proc GLM 전체 모델이 생성하는 것)의 추정치와 비교하여 이를 확인할 수 있습니다. . 그리고 두 가지를 모두 JMP 안정성 출력과 비교합니다. 그들은 모두 서로 다르게 보이지만 서로 다른 것을 추정하고 있습니다. 또한 이러한 세 가지 매개변수 집합 각각은 다른 매개변수 중 하나에서 파생될 수 있습니다. 그래서 그런 의미에서 그것들은 동등합니다.매개변수 추정치를 살펴보고(Fit Model을 통한 "Parameter Estimates" 및 "Indicator Function Parameterization" 및 Stability Platform을 통한 "Estimate"(표시된 대로)) (1) 이해했는지 확인할 수 있습니다. 그리고 그것들이 어떻게 관련되어 있는지, 그리고 (2) 각각의 p-값(즉, 각 귀무가설이 무엇인지)을 이해하고 있는지 확인합니다.
그리고… 귀무 가설이 참이라고 가정하면(즉, 매개변수=0), p-값 = 2 * Prob(T > |추정/Stderr|)입니다.
