¿Qué inspiró esta petición en la lista de deseos?
La plataforma Fit Y by X no puede analizar datos de un diseño de bloques incompletos aleatorios (RICBD), es decir, si los bloques están desequilibrados, es decir, si falta 1 parcela (o más) en 1 bloque (o más), y por lo tanto, en JMP 18, Fit Y by X invocó automáticamente SLS en la plataforma Fit Model, ¡y eso es lo que los usuarios necesitaban!
Lamentablemente, esta característica tan importante y útil se eliminó en JMP 19, y en su lugar, JMP utiliza un modelo mixto en la plataforma Fit Model para permitir una prueba válida de varianzas desiguales (véase la sección de justificación detallada ).
¿Qué mejora le gustaría ver?
Simplemente, vuelva a la forma en que se manejaba este problema en JMP 18. O, como opción alternativa (menos preferida), permita una opción (por ejemplo, en el menú de preferencias de Oneway) para que JMP maneje el caso de diseño de bloques incompletos aleatorios con Ajustar modelo - Ajustar SLS (de la misma manera que se maneja en JMP 18; es decir, sin la prueba de varianzas desiguales disponible).
¿Por qué es importante esta idea?
Muchos investigadores que utilizan Fit Oneway no están familiarizados con los enfoques de modelado mixto y es posible que no comprendan que JMP trata el bloque como un factor aleatorio (no un factor fijo), con una estructura de varianza desigual (que se repite en el factor X). Los investigadores, científicos e ingenieros que utilizan Fit Oneway suelen preferir y estar más familiarizados con el modelo más simple (el menos complejo técnica o estadísticamente), y la suposición de varianza igual suele ser apropiada para su situación experimental.
Permitir que un flujo de trabajo predeterminado ajuste el modelo de regresión SLS para RICBD en Fit Oneway brinda a estos usuarios la mayor flexibilidad sin salir de la plataforma, ya que ahora, a partir de JMP 19, para ajustar el modelo posiblemente más simple, tienen que ir a Analizar > Ajustar modelo y especificar allí el modelo de regresión SLS. Esto es particularmente cierto para los usuarios estándar de JMP que no tienen opciones para generar pruebas de medias de mínimos cuadrados en el esquema del informe Fit Mixed producido por Fit Oneway (ya que Fit Mixed es una función exclusiva de JMP Pro).
¿Cuál es la justificación detallada de por qué esta idea es importante?
En genética cuantitativa, modelos mixtos Se utilizan para analizar datos de poblaciones genealógicas. En este tipo de investigación, el objetivo principal es estimar los componentes de varianza entre familias de descendencia obtenidas mediante apareamientos entre muchos individuos aleatorios. Se identifican los padres (señores) y las madres (madres), y se utilizan estos componentes de varianza para calcular estimaciones de heredabilidad. Estas estimaciones de heredabilidad son el único objetivo de este tipo de investigación, mientras que los efectos fijos en el modelo (por ejemplo, la eclosión cuando la población estudiada consta de varias eclosiones, o la nave de cría cuando hay varias) se añaden únicamente para eliminar estos efectos no genéticos de los datos.
Además, el objetivo de muchos experimentos estándar en la docencia y la práctica experimental industrial es comparar las medias de alternativas (denominadas «Tratamientos» en otros lenguajes y «Niveles» en JMP) de factores de efectos fijos (Variedades, Materiales de cama, Método de enseñanza, etc.). Por lo tanto, la atención se centra en las medias de mínimos cuadrados (LSMeans) de estos «Niveles» y en la significancia de las diferencias entre ellos.
El objetivo de utilizar RCBD, normalmente con solo 4 a 6 bloques, es únicamente eliminar la variación entre estos bloques de la varianza del error, con el fin de reducir los errores estándar de las medias estimadas de los "niveles" de efectos fijos.
Dado que el objetivo de estos experimentos es comparar explícitamente las medias de mínimos cuadrados (LSMeans) de los niveles de los factores, el informe SLS de Fit Model ofrece una ventaja práctica sobre el informe Fit Mixed de JMP Standard. Esto se debe a que ofrece seis pruebas de comparaciones múltiples diferentes. En este caso, es imprescindible utilizar una de estas pruebas; por lo tanto, el SLS de Fit Model se requiere como opción predeterminada para analizar datos de experimentos RCBD cuando faltan uno o varios puntos de datos (gráficos).
Hola @AvigdorC , gracias por tu envío. Lo trataremos internamente.
@Valerie_Nedbal Aquí tienes algunos comentarios adicionales de @AvigdorC que podemos tener en cuenta:
Basándonos en nuestras amplias interacciones con cientos de usuarios de JMP y numerosos investigadores que lo utilizan habitualmente, nuestra postura es que la mayoría no se preocupa por los detalles estadísticos ni por los matices de los modelos mixtos, incluyendo cómo interpretarlos y en qué se diferencia el resultado de Fit Mixed del de Fit SLS. Además, las revistas donde estos investigadores publican sus artículos científicos tampoco se preocupan por el nivel de sofisticación estadística que ofrece el resultado de Fit Mixed cuando Block se asigna aleatoriamente.
En resumen, su postura es que la mayoría de los usuarios de JMP se beneficiarán del retorno del comportamiento de JMP 18 con respecto al envío de datos de bloques desequilibrados a Fit Y by X (la única plataforma básica de JMP con la opción flexible de especificar un factor de bloque).
