Was hat diesen Wunschwunsch ausgelöst?
Die Plattform „Fit Y by X“ kann keine Daten aus einem randomisierten unvollständigen Blockdesign (RICBD) analysieren, d. h. wenn die Blöcke unausgewogen sind, d. h. in einem oder mehreren Blöcken ein oder mehrere Diagramme fehlen. Daher rief „Fit Y by X“ in JMP 18 automatisch SLS in der Plattform „Fit Model“ auf, und genau das benötigten die Benutzer!
Leider wurde diese sehr wichtige und sehr nützliche Funktion in JMP 19 entfernt. Stattdessen ruft JMP in der Plattform „Modell anpassen“ ein gemischtes Modell auf, um einen gültigen Test auf ungleiche Varianzen zu ermöglichen (siehe Abschnitt „Detaillierte Begründung “).
Welche Verbesserung würden Sie sich wünschen?
Stellen Sie einfach wieder die Vorgehensweise von JMP 18 wieder her. Alternativ (weniger empfehlenswert) sollte eine Option (z. B. im Menü „Einweg-Einstellungen“) eingeführt werden, mit der JMP den Fall des randomisierten unvollständigen Blockdesigns mit „Fit Model - Fit SLS“ behandeln kann (genau wie in JMP 18, d. h. ohne verfügbaren Test auf ungleiche Varianzen).
Warum ist diese Idee wichtig?
Viele Forschende, die Fit Oneway verwenden, sind mit Mixed-Modeling-Ansätzen nicht vertraut und verstehen möglicherweise nicht, dass JMP den Block als Zufallsfaktor (und nicht als festen Faktor) mit ungleicher Varianzstruktur (wiederholt auf dem X-Faktor) behandelt. Forschende, Wissenschaftler und Ingenieure, die Fit Oneway verwenden, bevorzugen oft das einfachste (technisch und statistisch am wenigsten komplexe) Modell und sind damit am besten vertraut. Die Annahme gleicher Varianzen kann für ihre experimentelle Situation häufig angemessen sein.
Die Möglichkeit, in Fit Oneway einen Standard-Workflow für die Anpassung des SLS-Regressionsmodells für RICBD zu verwenden, bietet diesen Nutzern maximale Flexibilität, ohne die Plattform verlassen zu müssen. Denn seit JMP 19 müssen sie, um das – vermeintlich – einfachere Modell anzupassen, zu „Analysieren > Modell anpassen“ navigieren und dort das SLS-Regressionsmodell auswählen. Dies gilt insbesondere für JMP-Standardnutzer, denen im Fit-Oneway-Berichtsentwurf „Gemischte Modelle anpassen“ keine Option zur Generierung von LS-Mittelwerttests zur Verfügung steht (da „Gemischte Modelle anpassen“ eine Funktion ist, die nur in JMP Pro verfügbar ist).
Detaillierte Begründung, warum diese Idee wichtig ist?
In der quantitativen Genetik werden gemischte Modelle verwendet. Sie werden zur Analyse von Daten aus Populationen mit Stammbäumen verwendet. Bei dieser Art von Forschung besteht das Hauptziel darin, die Varianzkomponenten zwischen Nachkommenfamilien zu schätzen, die durch Verpaarungen vieler zufällig ausgewählter Individuen entstanden sind. Die Elterntiere (Väter und Mütter) werden analysiert, und anhand dieser Varianzkomponenten werden Schätzwerte der Heritabilität berechnet . Diese Heritabilitätsschätzungen sind das alleinige Ziel dieser Art von Forschung, während die festen Effekte im Modell (z. B. Schlupf, wenn die untersuchte Population aus mehreren Schlupfgruppen besteht, oder Aufzuchtstall, wenn mehrere vorhanden sind) lediglich dazu dienen, diese nicht-genetischen Effekte aus den Daten zu eliminieren.
Ziel vieler Standardexperimente in Lehre und Industrie ist es, die Mittelwerte von Alternativen (in der Fachsprache als „Behandlungen“, in JMP als „Stufen“ bezeichnet) von festen Effektfaktoren (z. B. Sorten, Einstreumaterialien, Lehrmethoden) zu vergleichen. Der Fokus liegt daher auf den LS-Mittelwerten dieser Stufen und der Signifikanz der Unterschiede zwischen ihnen.
Das Ziel der Verwendung von RCBD, typischerweise mit nur 4 bis 6 Blöcken, besteht lediglich darin, die Variation zwischen diesen Blöcken aus der Fehlervarianz zu entfernen, um die Standardfehler der geschätzten Mittelwerte der festen Effekt-„Levels“ zu reduzieren.
Da das Ziel solcher Experimente auch darin besteht, die LS-Mittelwerte der Faktorstufen explizit zu vergleichen, bietet der SLS-Bericht von „Fit Model“ einen praktischen Vorteil gegenüber dem Bericht „Fit Mixed“ in JMP Standard. Er bietet nämlich sechs verschiedene Tests für Mehrfachvergleiche. Die Verwendung eines dieser Tests ist in diesem Szenario unerlässlich, weshalb der SLS-Bericht von „Fit Model“ standardmäßig für die Analyse von Daten aus RCBD-Experimenten verwendet werden sollte, wenn ein oder wenige Datenpunkte (Plots) fehlen.
Hallo @AvigdorC , vielen Dank für Ihre Meldung. Wir werden uns intern darum kümmern.
@Valerie_Nedbal Hier ist weiteres Feedback von @AvigdorC , das wir berücksichtigen können:
Aufgrund der umfangreichen Interaktion mit Hunderten von JMP-Nutzern und zahlreichen Forschern, die JMP regelmäßig verwenden, lässt sich feststellen, dass die meisten von ihnen sich nicht mit den statistischen Details und Feinheiten von Mixed-Effects-Modellen befassen; dazu gehört auch, wie diese zu interpretieren sind und wie sich die Ausgabe von „Fit Mixed“ von der von „Fit SLS“ unterscheidet. Darüber hinaus legen die Fachzeitschriften, in denen diese Forscher ihre wissenschaftlichen Artikel veröffentlichen, ebenfalls keinen Wert auf die statistische Aussagekraft der Ausgabe von „Fit Mixed“, wenn die Blockvariable als zufällig festgelegt wird.
Zusammenfassend lässt sich sagen, dass die meisten JMP-Benutzer von der Rückkehr des Verhaltens von JMP 18 hinsichtlich der Übermittlung unausgeglichener Blockdaten an Fit Y by X profitieren werden (die einzige grundlegende JMP-Plattform mit der flexiblen Option, einen Blockfaktor anzugeben).
