Ich bin seit JMP4 ein Benutzer und verwende SAS bereits seit vor JMP. Bei meinem früheren Unternehmen habe ich Statistikschulungen zu verschiedenen JMP-Versionen durchgeführt und mich auch für die Förderung von JMP innerhalb des Unternehmens eingesetzt. Wir haben diese Ergebnisse bei den JMPer-Treffen entsprechend vorgestellt. Nach seiner Pensionierung gründete er seine eigene Beratungsfirma und arbeitet weiterhin daran. In letzter Zeit ist mir in vielen akademischen Bereichen Japans (mit Ausnahme der klinischen Statistik) ein allgemeiner Rückgang der Fähigkeit zur statistischen Analyse realer Daten aufgefallen. Für mich war die experimentelle Gestaltung von wesentlicher Bedeutung, um die statistische Theorie zu erlernen und sie in der Praxis anzuwenden. Das Thema dieses Problems hatte ich bereits gelöst, aber als ich Bücher über experimentelles Design erneut las, stellte ich fest, dass es keine Beispiele für die Berechnungsprinzipien der „Modellanpassung“ von JMP gab und dass die klassische Version, von der ich schockiert war, die Parade traditioneller Analysemethoden, die auf der Zerlegung von Summen von Quadraten bestehen, und ich war überzeugt, dass dies auf die weit verbreitete Täuschung zurückzuführen war, die davon ausgeht, dass es bei der Kovarianzanalyse keine Interaktionen gibt. Wir haben versucht, eine Kovarianzanalyse zu formulieren.
