Niveau : Débutant
Si vous essayez d'analyser des données réelles en utilisant deux variables qualitatives et quantitatives comme réponses, vous vous retrouverez inévitablement avec un « arrangement bidirectionnel répété et irrégulier », mais il est important de trouver un manuel japonais qui traite de ce problème. Je ne peux pas. C'est peut-être pour cette raison que des affirmations telles que « l'analyse n'est possible que si les répétitions sont égales » sont répandues sur le Web. La raison en est que la méthode analytique qui s'appuie fortement sur la décomposition de la somme des carrés et utilise une matrice de conception X avec des variables muettes n'est pas appréciée dans les manuels d'introduction aux statistiques. Les utilisateurs de JMP qui utilisent « Ajuster le modèle » effectuent probablement leur analyse sans se soucier de savoir si les répétitions sont égales ou inégales. Vous devez savoir que lorsque vous essayez de trouver le niveau moyen d'une variable qualitative dans les « détails de l'effet », la « moyenne des moindres carrés » et la « moyenne » sont affichées, et il y a un écart entre elles. Mais est-il possible d’expliquer clairement la différence ? Par conséquent, en montrant une méthode d'analyse utilisant la fonction matricielle d'Excel pour 2 × 3 répétant des données bidimensionnelles inégales et en la comparant avec les résultats d'analyse utilisant JMP, nous approfondirons notre compréhension du principe de calcul de « l'ajustement du modèle » pour d'autres applications. , nous présentons une méthode de calcul alternative à la décomposition de la somme des carrés.
Je suis un utilisateur depuis JMP4 et j'utilise SAS avant JMP. Dans l'entreprise pour laquelle je travaillais, j'ai dispensé une formation statistique en utilisant différents types de JMP, et j'ai également mené des activités de diffusion de JMP au sein de l'entreprise. Ce résultat a été présenté lors des réunions du JMPer, le cas échéant. Après ma retraite, j’ai créé une société de conseil indépendante et j’y continue à travailler. Récemment, j’ai senti que la capacité d’analyser statistiquement des données réelles dans de nombreux domaines universitaires au Japon (à l’exclusion des statistiques cliniques) était collectivement en déclin. Pour moi, la conception expérimentale était essentielle pour apprendre la théorie statistique et la mettre en pratique. Le sujet de cette fois était un problème que j'avais déjà résolu, mais quand j'ai relu des livres liés à la conception expérimentale, j'ai découvert qu'il n'y avait aucun exemple utilisant les principes de calcul de "l'ajustement de modèle" de JMP, et j'ai découvert que j'étais étonné par le défilé des méthodes d'analyse traditionnelles, obsédées par la décomposition de la somme des carrés, et sont devenus convaincus que cela était dû à l'illusion largement répandue selon laquelle il n'était pas possible d'analyser des données bidirectionnelles présentant des irrégularités répétées.
