이 위시리스트 요청은 무엇에서 영감을 받았나요?
Fit Y by X 플랫폼은 무작위 불완전 블록 설계(RICBD)에서 얻은 데이터를 분석할 수 없습니다. 즉, 블록이 불균형한 경우, 다시 말해 하나 이상의 블록에서 하나 이상의 플롯이 누락된 경우 분석할 수 없습니다. 따라서 JMP 18에서는 Fit Y by X가 Fit Model 플랫폼에서 SLS를 자동으로 호출했으며, 이것이 바로 사용자들이 필요로 했던 기능입니다!
안타깝게도 이 매우 중요하고 유용한 기능은 JMP 19에서 제거되었으며, JMP는 대신 분산 불균등 검정을 유효하게 수행하기 위해 적합 모델 플랫폼에서 혼합 모델을 호출합니다( 자세한 이유는 해당 섹션을 참조하십시오).
어떤 개선점을 보고 싶으신가요?
JMP 18에서 이 문제를 처리했던 방식으로 되돌리거나, 대안으로 (덜 선호되는) 옵션으로 JMP에서 무작위 불완전 블록 설계(Randomized Incomplete Blocks Design) 사례를 모델 적합 - SLS 적합(Fit Model - Fit SLS)으로 처리하는 옵션을 제공하는 것도 고려해 볼 수 있습니다(JMP 18에서와 동일하게, 즉 불균등 분산 검정을 사용할 수 없는 방식).
이 아이디어가 왜 중요한가요?
Fit Oneway를 사용하는 많은 연구자들은 혼합 모델링 접근 방식에 익숙하지 않으며, JMP가 블록을 고정 요인이 아닌 확률 요인으로 처리하고, X 변수에 대해 반복 되는 등분산 구조를 적용한다는 사실을 이해하지 못할 수 있습니다. Fit Oneway를 사용하는 연구자, 과학자 및 엔지니어는 일반적으로 가장 단순한(기술적으로나 통계적으로 가장 간단한) 모델을 선호하고 가장 익숙하며, 등분산 가정이 그들의 실험 상황에 적합한 경우가 많습니다.
Fit Oneway에서 RICBD에 대한 SLS 회귀 모델을 적합시키는 기본 워크플로를 허용하면 이러한 사용자에게 플랫폼을 벗어나지 않고 최대한의 유연성을 제공할 수 있습니다. JMP 19부터는 비교적 간단한 모델을 적합시키기 위해 분석 > 모델 적합으로 이동하여 SLS 회귀 모델을 지정해야 하기 때문입니다. 이는 특히 Fit Oneway에서 생성되는 혼합 적합 보고서 개요에서 최소제곱평균 검정을 생성할 수 없는 JMP 표준 사용자에게 더욱 중요합니다(혼합 적합은 JMP Pro 전용 기능이기 때문입니다).
이 아이디어가 중요한 이유에 대한 자세한 설명
양적 유전학에서 혼합 모델 가계 집단의 데이터를 분석하는 데 사용됩니다. 이러한 유형의 연구에서 주요 목표는 무작위로 선택된 여러 집단 간의 교배를 통해 얻은 자손 집단 간의 분산 성분을 추정하는 것입니다. 아버지(수컷)와 어머니(암컷)의 유전적 변이를 분석하고, 이러한 변이 성분을 이용하여 유전력을 추정합니다 . 이러한 유전력 추정치는 본 연구의 유일한 목적이며, 모델의 고정 효과(예: 연구 대상 집단이 여러 세대로 구성된 경우 부화 시기, 여러 사육장이 있는 경우 사육장)는 데이터에서 비유전적 효과를 제거하기 위해 추가될 뿐입니다.
또한, 교육 및 산업 현장의 많은 표준 실험에서 목적은 고정 효과 요인(품종, 깔짚 재료, 교육 방법 등)의 대안(다른 용어로는 '처리', JMP에서는 '수준')의 평균을 비교하는 것입니다. 따라서 초점은 이러한 '수준'의 최소제곱평균(LSMean)과 그 차이의 유의성에 맞춰집니다.
일반적으로 4~6개의 블록만 사용하는 RCBD의 목적은 고정 효과 '수준'의 추정 평균에 대한 표준 오차를 줄이기 위해 오차 분산에서 이러한 블록 간의 변동을 제거하는 것입니다.
하지만 이러한 실험의 목적은 요인들의 '수준'에 대한 최소제곱평균(LSMean)을 명시적으로 비교하는 것이기도 하므로, JMP 표준의 혼합형 적합(Fit Mixed) 보고서보다 적합 모델의 SLS 보고서가 실질적인 이점을 제공합니다. SLS 보고서는 6가지의 다양한 다중 비교 테스트를 제공하기 때문입니다. 이러한 시나리오에서는 이 테스트 중 하나를 반드시 사용해야 하므로, 하나(또는 몇 개)의 데이터 포인트('플롯')가 누락된 RCBD 실험 데이터를 분석할 때 적합 모델의 SLS 보고서를 기본값으로 사용하는 것이 좋습니다.
안녕하세요 @AvigdorC 님 , 제출해 주셔서 감사합니다. 해당 문제는 내부적으로 처리하겠습니다.
@Valerie_Nedbal @AvigdorC 님의 추가적인 의견을 참고하겠습니다.
수백 명의 JMP 사용자 및 JMP를 일상적으로 사용하는 많은 연구자들과의 광범위한 상호 작용을 바탕으로, 대부분의 사용자는 혼합 모형의 통계적 세부 사항 및 미묘한 차이, 즉 모형 해석 방법이나 Fit Mixed 결과와 Fit SLS 결과의 차이점에 관심이 없다는 것이 본 연구진의 결론입니다. 더욱이, 이 연구자들이 논문을 발표하는 학술지 또한 Block 변수를 random으로 지정했을 때 Fit Mixed 결과가 제공하는 통계적 정교함의 수준에 관심을 두지 않습니다.
요약하자면, 그들의 입장은 대부분의 JMP 사용자가 불균형 블록 데이터를 Fit Y by X(블록 계수를 지정할 수 있는 유연한 옵션을 제공하는 유일한 기본 JMP 플랫폼)에 제출할 때 JMP 18의 동작 방식이 복원되면 이점을 얻을 것이라는 것입니다.
