是什么启发了这个愿望清单请求？
这只是我个人的建议，不代表用户的建议。
请描述您希望看到的新的或改进的功能或解决方案。
在 JMP19 中，我们现在可以通过 Fit Model 中的“多重比较”命令来计算每个切片因子内的比较。它被称为“多重比较”，但实际上它不会调整所有比较。
通过使用 R 的 multcomp 库中的 glht 函数，您可以计算一般对比的调整 p 值。在此方法中，使用以下论文中解释的蒙特卡罗模拟来计算 p 值和置信区间。
Alan Genz。多元正态概率的数值计算。 《计算与图形统计杂志》 ，1：141-149，1992 年。
Alan Genz 和 Frank Bretz。多元 t 概率的数值计算及其在多重对比功率计算中的应用。 《统计计算与模拟杂志》 ，63:361–378，1999 年。
Alan Genz 和 Frank Bretz。多元 t 概率的计算方法。计算与图形统计杂志，11:950–971，2002 年。
以下是当前 JMP19 和 R 的 multcomp 的示例。
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)
如果提供此新功能，对您和/或其他用户有何价值？在制药行业，一些分析师有时可能需要这种多重比较。
这是外部客户请求吗？
不。
是否存在具有此功能或解决方案且值得我们了解的竞争性软件包？
至少，R 中的 multcomp 库可以计算一般对比的调整 p 值和置信区间。
这是否会影响客户的续约、扩展或采用？如果我们不解决这个问题，是否会使账户面临风险？
不。
