是什麼激發了這個願望清單請求？
這只是我個人的建議，不代表使用者。
請描述您希望看到的新的或改進的功能或解決方案。
在 JMP19 中，我們現在可以透過擬合模型中的「多重比較」指令來計算每個切片因子內的比較。它被稱為“多重比較”，但實際上並沒有調整所有比較。
透過使用 R 的 multcomp 函式庫中的 glht 函數，您可以計算一般對比度的調整後的 p 值。在此方法中，使用以下論文中解釋的蒙特卡羅模擬來計算 p 值和信賴區間。
艾倫·根茨.多元常態機率的數值計算。計算與圖形統計雜誌，1：141-149，1992。
艾倫·根茨和弗蘭克·布雷茨。多元 t 機率的數值計算及其在多重對比功效計算中的應用。統計計算與模擬雜誌，63：361–378，1999。
艾倫·根茨和弗蘭克·布雷茨。多元 t 機率的計算方法。計算與圖形統計雜誌，11：950–971，2002 年。
以下是目前 JMP19 和 R 的 multicomp 的範例。
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，對您和/或其他使用者有何價值？在製藥業，一些分析師有時可能需要這種多重比較。
這是外部客戶的請求嗎？
不。
是否有具有我們應該注意的此功能或解決方案的競爭軟體包？
至少，R 中的 multcomp 庫可以計算一般對比的調整後的 p 值和信賴區間。
這是否會影響客戶的續約、擴展或採用？
不。
