Niveau : Intermédiaire
Les « moyennes des moindres carrés » et les « profils de prédiction » obtenus à partir du « Modèle d'ajustement » de JMP sont essentiels pour afficher les résultats des analyses exploratoires. Cependant, c'est comme un dialecte qui n'est même pas répertorié dans l'index du Dictionnaire de statistiques de Takeuchi et al. (1989), il sera donc difficile à expliquer. Récemment, nous avons découvert qu'une explication simple et claire peut être obtenue en se complétant avec les « moyennes des moindres carrés » et les « profils de prédiction » dans une « analyse de covariance » qui inclut des facteurs qualitatifs, des facteurs quantitatifs et des interactions. . Les données utilisées sont un exemple de « analyse de régression incluant des facteurs de stratification » dans Okuno et al. (1981), « Méthode d'analyse multivariée, édition révisée » (résultats d'observation de la tour de récupération du dioxyde de soufre, concentration du liquide récupéré y , eau de nettoyage La température de est x et la période de fonctionnement de 4 niveaux est A). Dans la publication originale, il y a un graphique qui semble avoir une pente différente pendant la période d'exploitation (janvier et février) par rapport aux autres périodes. A l'aide d'un modèle incluant des interactions, suivez l'évolution du profil de température x de l'eau de nettoyage en changeant la saison d'exploitation A dans le profil de prédiction, et comparez la concentration moyenne y de la saison d'exploitation A en changeant la température x It. On peut clairement montrer que si la moyenne totale de est donnée, elle correspond à la moyenne des moindres carrés de la saison d'exploitation A.
https://www.yukms.com/biostat/takahasi2/rec/009-13.htm
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. L'analyse de covariance est également un sujet ancien et nouveau pour moi. Il était nécessaire d'aborder sérieusement l'analyse de covariance, y compris les interactions. L'analyse de covariance a été établie comme modèle analytique en l'absence d'interaction. Sachant qu'historiquement, les cas impliquant des interactions ont également été discutés, cela est extrêmement utile pour expliquer les moindres carrés, un dialecte de SAS, et les profils prédictifs, un dialecte de JMP. J'en étais parfaitement conscient.
[vidéo]
