Nivel: Intermedio
Las "medias de mínimos cuadrados" y los "perfiles de predicción" resultantes obtenidos del "modelo de ajuste" de JMP son esenciales para mostrar los resultados de los análisis exploratorios. Sin embargo, es como un dialecto que ni siquiera figura en el índice del Diccionario de Estadística de Takeuchi et al. (1989), por lo que será difícil de explicar. Recientemente, hemos descubierto que se puede obtener una explicación simple y clara complementándose entre sí con "medias de mínimos cuadrados" y "perfiles de predicción" en el "análisis de covarianza" que incluye factores cualitativos, factores cuantitativos e interacciones. . Los datos utilizados son un ejemplo de "análisis de regresión que incluye factores de estratificación" en Okuno et al (1981), "Método de análisis multivariado, edición revisada" (resultados de observación de la torre de recuperación de gas de dióxido de azufre, concentración del líquido recuperado y , agua de limpieza La temperatura de es x y el período de funcionamiento de 4 niveles es A). En la publicación original hay un gráfico que parece tener una pendiente diferente durante el período operativo (enero y febrero) en comparación con otros períodos. Usando un modelo que incluye interacciones, siga el cambio en el perfil de la temperatura x del agua de limpieza mientras cambia la temporada de operación A en el perfil de predicción, y compare la concentración promedio y de la temporada de operación A mientras cambia la temperatura x. Se puede demostrar claramente que si se da el promedio total de, coincide con la media de mínimos cuadrados de la temporada operativa A.
https://www.yukms.com/biostat/takahasi2/rec/009-13.htm
Soy usuario desde JMP4 y uso SAS desde antes de JMP. En la empresa para la que trabajaba, impartí educación estadística utilizando varios tipos de JMP y también realicé actividades para difundir JMP dentro de la empresa. Este resultado se ha presentado en las reuniones de la JMPer según corresponda. Después de jubilarme, creé una empresa de consultoría por cuenta propia y sigo trabajando allí. Recientemente, he sentido que la capacidad de analizar estadísticamente datos reales en muchos campos académicos en Japón (excluyendo las estadísticas clínicas) está disminuyendo colectivamente. El análisis de covarianza también es un tema antiguo y nuevo para mí. Era necesario abordar seriamente el análisis de covarianza, incluidas las interacciones. El análisis de covarianza se ha establecido como modelo analítico cuando no existe interacción. Reconocer que históricamente también se discutieron casos que involucran interacciones, esto es extremadamente útil al explicar los mínimos cuadrados, un dialecto de SAS, y los perfiles predictivos, un dialecto de JMP.
[video]
