이 위시리스트 요청을 하게 된 계기는 무엇입니까?
이는 사용자의 의견이 아닌 저의 개인적인 제안일 뿐입니다.
당신이 보고 싶은 새로운 기능, 개선된 기능 또는 솔루션을 설명해 주세요.
JMP19에서는 이제 Fit Model에서 "Multiple Comparison" 명령을 사용하여 각 슬라이스된 요인 내에서 비교를 계산할 수 있습니다. "Multiple Comparison"이라고 하지만 실제로 모든 비교를 조정하지는 않습니다.
R의 multcomp 라이브러리에서 glht 함수를 사용하면 일반 대조에 대한 조정된 p-값을 계산할 수 있습니다. 이 방법에서는 다음 논문에서 설명한 몬테카를로 시뮬레이션을 사용하여 p-값과 신뢰 구간을 계산합니다.
Alan Genz. 다변량 정규 확률의 수치 계산. Journal of Computational and Graphical Statistics , 1:141–149, 1992.
Alan Genz와 Frank Bretz. 다중 대비의 거듭제곱 계산에 적용한 다변량 t-확률의 수치 계산. Journal of Statistical Computation and Simulation , 63:361–378, 1999.
Alan Genz와 Frank Bretz. 다변량 t-확률 계산 방법 . Journal of Computational and Graphical Statistics, 11:950–971, 2002.
다음은 현재 JMP19와 R의 multcomp에 대한 예입니다.
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)
이 새로운 기능이 제공된다면 귀하와/또는 다른 사용자에게 어떤 가치가 있을까요? 제약 산업에서 일부 분석가는 때때로 이런 종류의 다중 비교를 원할 수 있습니다.
외부 고객 요청입니까?
아니요.
우리가 알아야 할 이 기능이나 솔루션을 갖춘 경쟁 소프트웨어 패키지가 있나요?
최소한 R의 multcomp 라이브러리는 일반 대조에 대한 조정된 p-값과 신뢰 구간을 계산할 수 있습니다.
이로 인해 고객의 갱신, 확장 또는 도입에 영향이 있을까요? 또한 이 문제를 해결하지 않으면 계정이 위험에 처하게 될까요?
아니요.
