在 JMP Pro 11，我們介紹了適合混合用於擬合具有各種協方差結構和隨機效應的模型的平台。通過JMP Pro 12，我們在這個平台上進行了改進，對具有空間協方差結構的模型進行了明顯的改變。這些變化詳述如下。
提高速度
具有空間協方差的擬合模型需要高計算成本，特別是隨著觀察數量的增加。對於JMP Pro 12，我們用於擬合Fit混合平台模型的算法已得到改進 Chris Gotwalt ，JMP統計研發總監。他的工作進一步減少了Fit Fit中適合所有模型所需的計算次數。這大大減少了特別適合空間模型所需的時間。
在我們的測試中，我們在安裝這些空間模型時經歷了5到15倍的速度增長。實際上，這意味著我們已經減少了需要一個多小時才完成的裝配，直到現在只需10分鐘就能完成！
變差函數
我們還補充說變差函數在JMP Pro 12中，一種可視化工具，用於檢查和診斷空間相關性的存在。適合時，變異函數可用各向同性空間模型（AR（1）或Power，Exponential，Gaussian或Spherical中的一個，有或沒有金塊）。隨著觀察位置在時間或空間上分開，下面的變異函數可視化協方差的變化。
變異函數繪製了半方差 （兩個方差）兩個位置的觀測值之間的差異與位置之間的距離。如上面的變異函數所示，我們可以看到密切相關的觀察具有很強的相關性，因此具有小的半方差。
隨著距離的增加，這種相關性降低，導致半方差增加。半方差不再在所謂的“方差”上增加範圍 ，觀察幾乎沒有相關性的距離。在上面的變異函數中，這大約是0.25的距離。
半方差的最大值稱為門檻 ，在大多數情況下，模型適合JMP Pro，這只是觀察的方差。在存在非空間誤差的情況下，可以包括塊來估計這種可變性。塊金效應在下面的變異函數中描述。
距離零處的半方差為零，但是一旦位置之間的距離為正，則半方差然後跳到塊金。在上面的變異函數中，熔核約為0.5。
僅剩餘模型
當您適合時，也可以使用變異函數殘差模型 。在此下訪問此選項邊際模型推理 ：
選擇此選項並指定用於計算時間或空間距離的列後，經驗變差函數顯示。變異函數紅色三角形菜單允許您將一個或多個空間模型擬合到此經驗變異函數。
在這種情況下，變差函數可用於確定是否應將空間協方差添加到僅殘差模型。在沒有空間相關性的情況下，經驗變異函數可能看起來平坦，表明距離相關性沒有變化。
在上文中，我們看到隨著距離的增加，經驗變差函數似乎有所增加，並且指數，高斯或球面模型中的一個可能是合適的（功率模型似乎不能很好地擬合經驗變差函數）。使用Fit Mixed將模型正式擬合到這些相關結構中的每一個後，我們發現指數模型是首選，因為它具有最小修正了Akaike信息標準 （AICc）和貝葉斯信息準則 （BIC）。這意味著變異函數應該用於識別可能與Fit Mixed正式擬合的可能模型。通過這些擬合，應使用AICc / BIC比較來選擇最佳模型。
我們希望您會發現增強的速度和變量圖有用，我們期待您在評論中提出任何問題或反饋！
