級別：初級
【主持人】
BioStat Institute Co., Ltd. 代表董事 高橋幸雄
[演講摘要]
在分析具有相同重複次數的多因素實驗數據時，找到最佳模型很困難，因為所有因素（包括交互作用）都是相互正交的。您只需合併即可。但是，如果存在必須考慮的協變量，則無法透過分解平方和來建立變異數分析表。 Miyakawa (2008)，「問題發現和解決的科學 - SQC 基礎」包括一個包含協變量的三因素實驗數據分析的示例，該數據主要由覆蓋有回歸線的分層散點圖組成。結果和顯示使用虛擬變數的迴歸分析的結果。宮川強調，基於迴歸參數估計的推論並不容易，沒有什麼比在散佈圖中仔細分層更好的了。因此，在使用 JMP 的「模型擬合」中的「逐步方法」選擇包含交互作用在內的變數後，我們使用「標準最小平方法」使用「預測剖面」和「交互剖面」 ，然後使用「Graph 「提出了一種多方面、綜合性的解決問題的方法，該方法使用「Builder」連接到網格狀的分層散點圖。此外，除了 JMP 繪圖之外，我們還將展示如何使用 Excel 建立解決問題所需的散佈圖。
[主講人簡介]
我從 JMP4 開始就是用戶，並且從 JMP 之前就開始使用 SAS。在我曾經工作的公司，我使用各種類型的JMP進行了統計教育，並在公司內部進行了JMP的傳播活動。該結果已在 JMPer 會議上酌情介紹。退休後，我成立了一家自營的顧問公司並繼續在那裡工作。最近，我感覺到日本許多學術領域（不包括臨床統計學）對真實數據進行統計分析的能力正在集體下降。對我來說，實驗設計對於學習統計理論並將其付諸實踐至關重要。這次的主題是包含協變量的多因素實驗數據的分析，我們將重點放在協變量和一個因素之間存在交互作用的情況。傳統上，在分析包含協變量的實驗數據時，目的是在統計上消除協變量的影響，並在假設不存在交互作用的情況下對其他因素的水平進行比較。 ．因此，當與協變量相互作用時，分析方法的情況是混亂的，我們覺得有必要分享利用JMP在各種圖形顯示中的出色分析結果的分析示例。
