Cosa ha ispirato questa richiesta nella lista dei desideri?
La piattaforma Fit Y by X non è in grado di analizzare i dati provenienti da un disegno sperimentale a blocchi randomizzati incompleti (RICBD), ovvero se i blocchi non sono bilanciati, cioè se manca una o più parcelle in un blocco o più. Pertanto, in JMP 18, Fit Y by X ha automaticamente attivato la funzione SLS nella piattaforma Fit Model, ed è proprio ciò di cui gli utenti avevano bisogno!
Purtroppo, questa importantissima e utilissima funzionalità è stata rimossa in JMP 19, e JMP utilizza invece un modello misto nella piattaforma Fit Model, al fine di consentire un test valido per le varianze disuguali (vedere la sezione "Motivazione dettagliata" ).
Quale miglioramento vorresti vedere?
È sufficiente ripristinare la modalità di gestione di questo problema in JMP 18. In alternativa (opzione meno preferibile), si potrebbe aggiungere un'opzione (ad esempio nel menu Preferenze Oneway) che permetta a JMP di gestire il caso del disegno a blocchi incompleti randomizzati con Fit Model - Fit SLS (nello stesso modo in cui veniva gestito in JMP 18, ovvero senza il test delle varianze disuguali disponibile).
Perché questa idea è importante?
Molti ricercatori che utilizzano Fit Oneway non hanno familiarità con gli approcci di modellazione mista e potrebbero non comprendere che JMP tratta il blocco come un fattore casuale (non un fattore fisso), con una struttura di varianza non uniforme (ripetuta sul fattore X). I ricercatori, gli scienziati e gli ingegneri che utilizzano Fit Oneway spesso preferiscono e hanno maggiore familiarità con il modello più semplice (meno complesso dal punto di vista tecnico o statistico), e l'ipotesi di varianza uniforme può spesso essere appropriata per la loro situazione sperimentale.
Consentire un flusso di lavoro predefinito per l'adattamento del modello di regressione SLS per RICBD in Fit Oneway offre a questi utenti la massima flessibilità senza dover uscire dalla piattaforma, poiché ora, a partire da JMP 19, per adattare il modello, indubbiamente più semplice, devono andare su Analizza > Adatta modello e specificare lì il modello di regressione SLS. Questo è particolarmente vero per gli utenti di JMP Standard che non hanno la possibilità di generare test LS Means nella struttura del report Fit Mixed prodotto da Fit Oneway (poiché Fit Mixed è una funzionalità esclusiva di JMP Pro).
Spiegazione dettagliata del perché questa idea sia importante.
Nella genetica quantitativa, modelli misti vengono utilizzati per analizzare i dati provenienti da popolazioni genealogiche. In questo tipo di ricerca, l'obiettivo principale è stimare le componenti di varianza tra le famiglie di progenie ottenute da accoppiamenti tra molti individui casuali. padri (padri) e madri (mamme), e utilizzare queste componenti di varianza per calcolare stime di ereditabilità . Queste stime di ereditabilità sono l'unico obiettivo di questo tipo di ricerca, mentre gli effetti fissi nel modello (ad esempio la schiusa quando la popolazione studiata è composta da più schiuse, o il capannone di allevamento quando ce ne sono diversi) vengono aggiunti solo per rimuovere questi effetti non genetici dai dati.
Inoltre, l'obiettivo di molti esperimenti standard nella pratica sperimentale didattica e industriale è confrontare le medie di alternative (chiamate "Trattamenti" in altri termini tecnici e "Livelli" nel JMP) di fattori ad effetto fisso (Varietà, Materiali di lettiera, Metodo di insegnamento, ecc.). Pertanto, l'attenzione si concentra sulle medie dei minimi quadrati (LSMeans) di questi "Livelli" e sulla significatività delle differenze tra di essi.
L'obiettivo dell'utilizzo del metodo RCBD, in genere con soli 4-6 blocchi, è unicamente quello di eliminare la variazione tra questi blocchi dalla varianza dell'errore, al fine di ridurre gli errori standard delle medie stimate dei "Livelli" a effetto fisso.
Poiché l'obiettivo di tali esperimenti è anche quello di confrontare esplicitamente le medie dei minimi quadrati (LSMeans) dei "Livelli" dei fattori, il report SLS di Fit Model offre un vantaggio pratico rispetto al report Fit Mixed standard di JMP. Questo perché offre 6 diversi test di confronto multiplo. L'utilizzo di uno di questi test è indispensabile in questo scenario, pertanto l'SLS di Fit Model è necessario come impostazione predefinita per l'analisi dei dati provenienti da esperimenti RCBD quando manca uno (o pochi) punti dati ("plot").
Ciao @AvigdorC , grazie per la tua segnalazione. Ci occuperemo della questione internamente.
@Valerie_Nedbal Ecco un ulteriore feedback da @AvigdorC che possiamo prendere in considerazione:
Sulla base delle loro numerose interazioni con centinaia di utenti di JMP e molti ricercatori che utilizzano JMP regolarmente, la posizione qui espressa è che la maggior parte di loro non si preoccupa dei dettagli statistici e delle sfumature dei modelli misti, inclusi: come dovrebbero essere interpretati e in che modo l'output di Fit Mixed differisce da Fit SLS. Inoltre, anche le riviste in cui questi ricercatori pubblicano i loro articoli scientifici non sono interessate al livello di sofisticazione statistica offerto dall'output di Fit Mixed quando Block viene assegnato come casuale.
In sintesi, la loro posizione è che la maggior parte degli utenti di JMP trarrà vantaggio dal ritorno al comportamento di JMP 18 per quanto riguarda l'invio di dati di blocchi sbilanciati a Fit Y by X (l'unica piattaforma JMP di base con l'opzione flessibile di specificare un fattore di blocco).
