Yukio Takahashi, presidente del Instituto de Investigación BioStat, Inc.
En la mayoría de los libros de texto sobre diseño experimental, no hay una descripción de los distintos modelos analíticos que se pueden utilizar con la función de "ajuste de modelos" de JMP. Una de las palabras clave son efectos aleatorios. Para analizar datos experimentales anidados con el objetivo de estimar componentes de varianza, es necesario cambiar los atributos de los factores de nivel inferior que desea convertir en efectos aleatorios a "factores anidados" en "Configurar efectos del modelo" y luego seleccionar "Efectos aleatorios" en la estructura "Atributos".
Aún más problemática es la elección del método de análisis: "EMS (convencional)" o "REML (recomendado)". En los experimentos ramificados convencionales, los grados de libertad en la tabla de análisis de varianza se expanden a medida que se desciende por las ramas, lo que da como resultado experimentos ineficientes. Se diseñó un experimento de ramificación escalonada para evitar la expansión de los grados de libertad de las ramas inferiores, y está incluido en "JIS Z8402-3 Métodos de medición y precisión de los resultados de medición (veracidad y precisión) - Parte 3: Precisión intermedia de los métodos de medición estándar", pero es difícil de entender.
Aquí, utilizamos datos artificiales basados en mediciones de presión arterial humana para comparar un experimento de ramificación estándar con un experimento de ramificación escalonada y explicamos cuidadosamente los métodos de análisis y cómo interpretar los resultados utilizando EMS y REML.
