Cosa ti ha ispirato a richiedere la Lista dei desideri?
Questo è solo un mio suggerimento personale, non quello degli utenti.
Descrivi la funzionalità o la soluzione nuova o migliorata che vorresti vedere.
In JMP19, ora possiamo calcolare il confronto all'interno di ogni fattore affettato tramite il comando "Multiple Comparison" in Fit Model. Si chiama "Multiple Comparison", ma in realtà non regola tutti i confronti.
Utilizzando la funzione glht nella libreria multcomp di R, è possibile calcolare il valore p aggiustato per contrasti generali. In questo metodo, la simulazione Monte-Carlo spiegata nei seguenti documenti viene utilizzata per calcolare i valori p e gli intervalli di confidenza.
Alan Genz. Calcolo numerico di probabilità normali multivariate. Journal of Computational and Graphical Statistics , 1:141–149, 1992.
Alan Genz e Frank Bretz. Calcolo numerico di t-probabilità multivariate con applicazione al calcolo della potenza di contrasti multipli. Journal of Statistical Computation and Simulation , 63:361–378, 1999.
Alan Genz e Frank Bretz. Metodi per il calcolo delle t-probabilità multivariate . Journal of Computational and Graphical Statistics, 11:950–971, 2002.
Di seguito è riportato un esempio per l'attuale JMP19 e il multcomp di R.
dt = New Table( "Test",
New Column( "x1", "Nominal", Values( [1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4] )),
New Column( "x2", "Nominal", Values( [1, 1, 2, 2, 1, 1, 2, 2, 1, 1, 2, 2, 1, 1, 2, 2] )),
New Column( "y", Values( [5, 8, 7, 4, 1, 4, 5, 1, 2, 3, 4, 5, 1, 2, 3, 1] ))
);
plat = dt << Fit Model(
Y( :y ), Effects( :x1, :x2, :x1 * :x2 ),
Personality( "Standard Least Squares" ), Emphasis( "Minimal Report" ),
Run(
:y << {
Multiple Comparisons(
Sliced Effect Estimates( Sliced Effect( :x1 * :x2 ), Slice Term List( :x1( "1" ) ) ),
Tukey HSD( 1 )
), Multiple Comparisons(
Sliced Effect Estimates( Sliced Effect( :x1 * :x2 ), Slice Term List( :x1( "2" ) )),
Tukey HSD( 1 )
), Multiple Comparisons(
Sliced Effect Estimates( Sliced Effect( :x1 * :x2 ), Slice Term List( :x1( "3" ) )),
Tukey HSD( 1 )
), Multiple Comparisons(
Sliced Effect Estimates( Sliced Effect( :x1 * :x2 ), Slice Term List( :x1( "4" ) )),
Tukey HSD( 1 )
)}
)
);
report(plat)[Outline Box("All Pairwise Differences")][Table Box(1)]<<MAKE combined="" data="https://community.jmp.com/" table=""></MAKE>
<DIV><R></R></DIV>
<DIV>
<PRE><CODE class=" language-jsl">library(multcomp)
x1 <- c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4)
x2 <- c(1,1,2,2,1,1,2,2,1,1,2,2,1,1,2,2)
y <- c(5,8,7,4,1,4,5,1,2,3,4,5,1,2,3,1)
df <- data.frame( x1 = factor(x1), x2 = factor(x2), y = y)
rst <- lm(y ~ x1 + x2 + x1*x2, data = df)
summary(rst)
K <- matrix(0, 4,8)
K[1,5] = -1;
K[2,5] = -1;
K[3,5] = -1;
K[4,5] = -1;
K[2,6] = -1;
K[3,7] = -1;
K[4,8] = -1;
print(K)
rownames(K) <- c("Time=1", "Time=2", "Time=3", "Time=4")
summary(glht(rst, linfct = K))
<CODE class=" language-jsl">Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
Time=1 == 0 1.000 1.768 0.566 0.962
Time=2 == 0 -0.500 1.768 -0.283 0.997
Time=3 == 0 -2.000 1.768 -1.131 0.705
Time=4 == 0 -0.500 1.768 -0.283 0.997
(Adjusted p values reported -- single-step method)
Quale sarebbe il valore per te e/o per altri utenti se questa nuova funzionalità fosse fornita? Nelle industrie farmaceutiche, alcuni analisti a volte potrebbero volere questo tipo di confronti multipli.
Si tratta di una richiesta di un cliente esterno?
NO.
Esiste un pacchetto software concorrente che ha questa funzionalità o soluzione di cui dovremmo essere a conoscenza?
Almeno la libreria multcomp in R può calcolare valori p aggiustati e intervalli di confidenza per contrasti generali.
Ciò avrà ripercussioni sul rinnovo, l'espansione o l'adozione da parte di un cliente? E se non affrontiamo questo problema, l'account potrebbe essere a rischio?
NO.
