Yukio Takahashi, président, BioStat Research Institute, Inc.
Dans la plupart des manuels sur la conception expérimentale, il n'y a aucune description des différents modèles analytiques qui peuvent être utilisés avec la fonction « ajustement de modèle » de JMP. L’un des mots clés est les effets aléatoires. Afin d'analyser des données expérimentales imbriquées dans le but d'estimer les composantes de la variance, il est nécessaire de modifier les attributs des facteurs de niveau inférieur que vous souhaitez transformer en effets aléatoires en « facteurs imbriqués » dans « Configurer les effets du modèle », puis de sélectionner « Effets aléatoires » dans la structure « Attributs ».
Le choix de la méthode d’analyse est encore plus problématique : « EMS (conventionnel) » ou « REML (recommandé) ». Dans les expériences ramifiées conventionnelles, les degrés de liberté dans le tableau d'analyse de la variance s'élargissent à mesure que vous descendez dans les branches, ce qui donne lieu à des expériences inefficaces. Une expérience de branchement décalé a été conçue pour empêcher l'expansion des degrés de liberté des branches inférieures, et est incluse dans « JIS Z8402-3 Méthodes de mesure et précision des résultats de mesure (justesse et précision) - Partie 3 : Précision intermédiaire des méthodes de mesure standard », mais elle est difficile à comprendre.
Ici, nous utilisons des données artificielles basées sur des mesures de pression artérielle humaine pour comparer une expérience de ramification standard avec une expérience de ramification échelonnée, et expliquons soigneusement les méthodes d'analyse et comment interpréter les résultats à l'aide d'EMS et de REML.
