Livello: Principiante
【Presentatore】
Direttore rappresentante del BioStat Institute Co., Ltd. Yukio Takahashi
[Riepilogo della presentazione]
Trovare il modello ottimale quando si analizzano dati sperimentali multifattoriali con lo stesso numero di ripetizioni è difficile perché tutti i fattori, comprese le interazioni, sono ortogonali tra loro. Tuttavia, se ci sono covariate di cui tenere conto, non è possibile creare una tabella di analisi della varianza scomponendo la somma dei quadrati. Miyagawa (2008), "Science of Problem Discovery and Solution - Basics of SQC" include un esempio di analisi di dati sperimentali a tre fattori comprese le covariate, che consiste principalmente in un diagramma di dispersione stratificato sovrapposto a una linea di regressione. vengono mostrati i risultati dell'analisi di regressione utilizzando variabili dummy. Miyagawa sottolinea che l'inferenza basata sulle stime dei parametri di regressione non è facile e che niente è meglio di un'attenta stratificazione in un grafico a dispersione. Pertanto, dopo aver selezionato le variabili che includono le interazioni utilizzando il "metodo Stepwise" nel "Model Fit" di JMP, abbiamo utilizzato il "Profilo di previsione" e il "Profilo di interazione" utilizzando il "Metodo dei minimi quadrati standard" , e poi ha utilizzato il "Grafico". Questo documento presenta un metodo completo e sfaccettato per la risoluzione dei problemi, collegato a un diagramma a dispersione stratificato simile a una griglia utilizzando "Builder". Inoltre, oltre ai grafici JMP, mostreremo anche come creare grafici a dispersione necessari per la risoluzione dei problemi utilizzando Excel.
[Profilo del presentatore]
Sono un utente da JMP4 e utilizzo SAS da prima di JMP. Presso l'azienda per cui lavoravo, ho condotto formazione statistica utilizzando vari tipi di JMP e ho svolto anche attività per diffondere JMP all'interno dell'azienda. Abbiamo presentato questo risultato alle riunioni di JMPer, ove opportuno. Dopo essere andato in pensione, ho fondato una società di consulenza indipendente e continuo a lavorare lì. Recentemente, ho avuto la sensazione che la capacità di analizzare statisticamente dati reali in molti campi accademici in Giappone (escluse le statistiche cliniche) stia collettivamente diminuendo. Per me, la progettazione sperimentale era essenziale per apprendere la teoria statistica e metterla in pratica. Il tema di questa volta è l'analisi dei dati sperimentali multifattoriali che includono covariate e ci concentreremo sui casi in cui esiste un'interazione tra una covariata e un fattore. Tradizionalmente, nell'analisi dei dati sperimentali che includono covariate, lo scopo è quello di rimuovere statisticamente l'influenza delle covariate e di effettuare confronti tra i livelli di altri fattori, assumendo che non vi siano interazioni. Pertanto, la situazione è caotica per quanto riguarda i metodi di analisi quando sono presenti interazioni con le covariate e sentiamo il bisogno di condividere esempi di analisi che utilizzino gli eccellenti risultati di analisi di JMP in una varietà di visualizzazioni grafiche.
