级别：初级
【主持人】
BioStat Institute Co., Ltd. 代表董事 高桥幸雄
[演讲摘要]
在分析具有相同重复次数的多因素实验数据时，找到最佳模型很困难，因为所有因素（包括相互作用）都是相互正交的。您只需合并即可。但是，如果存在必须考虑的协变量，则无法通过分解平方和来创建方差分析表。 Miyakawa (2008)，“问题发现和解决的科学 - SQC 基础”包括一个包含协变量的三因素实验数据分析的示例，该数据主要由覆盖有回归线的分层散点图组成。结果和显示使用虚拟变量的回归分析的结果。宫川强调，基于回归参数估计的推断并不容易，没有什么比在散点图中仔细分层更好的了。因此，在使用 JMP 的“模型拟合”中的“逐步方法”选择包括交互作用在内的变量后，我们使用“标准最小二乘法”使用“预测剖面”和“交互剖面” ，然后使用“Graph”提出了一种多方面、综合性的解决问题的方法，该方法使用“Builder”连接到网格状的分层散点图。此外，除了 JMP 绘图之外，我们还将展示如何使用 Excel 创建解决问题所需的散点图。
[主讲人简介]
我从 JMP4 开始就是用户，从 JMP 之前就开始使用 SAS。在我以前工作的公司，我利用各种类型的JMP进行了统计教育，并在公司内部开展了JMP的传播活动。我们已在 JMPer 会议上酌情介绍了这一结果。退休后，我成立了一家个体经营的咨询公司并继续在那里工作。最近我感觉到日本很多学术领域（不包括临床统计学）对真实数据进行统计分析的能力正在集体下降。对我来说，实验设计对于学习统计理论并将其付诸实践至关重要。这次的主题是包含协变量的多因素实验数据的分析，我们将重点关注协变量和一个因素之间存在交互作用的情况。传统上，在分析包含协变量的实验数据时，目的是在统计上消除协变量的影响，并在假设不存在交互作用的情况下，对其他因素的水平进行比较。 ．因此，当与协变量相互作用时，分析方法的情况是混乱的，我们觉得有必要分享利用JMP在各种图形显示中的出色分析结果的分析示例。
