혼합 모형 분석법 시작
분석 > 모형 적합을 선택하고 분석법 메뉴에서 혼합 모형을 선택하여 혼합 모형 분석법을 시작합니다. 분석법을 선택하기 전에 Y 목록에 연속형 변수를 입력하면 분석법이 기본적으로 "표준 최소 제곱"으로 설정됩니다.
모형 적합 시작 창
고정 효과, 임의 효과, 반복 구조 또는 이들의 조합을 사용하여 모형을 지정할 수 있습니다. 옵션은 사용자가 지정한 모형의 특성에 따라 다릅니다. "열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 JMP 사용의 열 필터 메뉴에서 확인하십시오.
혼합 모형 분석법을 사용하여 모형을 적합시킬 때 비유계 분산 성분을 허용할 수 있습니다. 이렇게 하면 추정값이 음수인 분산 성분이 0으로 보고되지 않습니다. 이 옵션은 기본적으로 선택되어 있습니다. 분산 추정값을 0으로 제한하면 고정 효과 검정에서 편향이 발생할 수 있으므로 고정 효과에 관심이 있다면 이 옵션이 선택된 상태여야 합니다. "비유계 분산 성분" 옵션에 대한 자세한 내용은 음의 분산에서 확인하십시오.
고정 효과 탭
"고정 효과" 탭에서 모든 고정 효과를 추가합니다. 필요에 따라 "추가", "교차", "내포", "매크로" 및 "속성" 옵션을 사용합니다. 이러한 옵션에 대한 자세한 내용은 모형 규격에서 확인하십시오.
참고: 연속형 열이 임의 효과에 포함된 경우에는 "모형 규격"의 빨간색 삼각형 메뉴에서 "중심화 다항식" 옵션이 선택되어 있더라도 해당 열이 중심화되지 않습니다.
Figure 8.7에는 Split Plot.jmp 샘플 데이터 테이블 분석의 고정 효과가 나와 있습니다. 모형에 고정 효과가 없을 수도 있습니다. 예는 균일도 시험의 예에서 확인하십시오.
그림 8.7 완료된 고정 효과를 보여 주는 모형 적합 시작 창
임의 효과 탭
"임의 효과" 탭을 사용하여 기존의 분산 성분 모형 및 랜덤 계수 모형을 지정합니다.
참고: 연속형 열이 임의 효과에 포함된 경우에는 "모형 규격"의 빨간색 삼각형 메뉴에서 "중심화 다항식" 옵션이 선택되어 있더라도 해당 열이 중심화되지 않습니다.
분산 성분
기존 분산 성분 모형의 경우 "추가", "교차" 또는 "내포" 옵션을 사용하여 랜덤 블록, 주구 오차 항 및 하위구 오차 항과 같은 항을 지정합니다. 이러한 옵션에 대한 자세한 내용은 모형 규격에서 확인하십시오.
Figure 8.8에서는 Carcass가 랜덤 블록인 Split Plot.jmp 샘플 데이터의 임의 효과 지정을 보여 줍니다. 분할구 실험의 예에서 이 예를 자세히 설명합니다.
그림 8.8 완료된 임의 효과 탭을 보여 주는 모형 적합 시작 창
랜덤 계수
랜덤 계수 모형을 생성하려면 "내포 랜덤 계수" 버튼을 사용하여 랜덤 계수 그룹을 생성합니다.
1. "열 선택" 목록에서 연속형 예측 변수 열을 선택합니다.
2. 임의 효과 탭을 선택한 후 추가를 선택합니다.
3. "임의 효과" 탭에서 이러한 효과를 선택합니다. 수준이 개별 회귀 모형을 정의하는 임의 효과가 포함된 열도 선택합니다. 이 열은 기본적으로 SAS PROC MIXED에서 random 문의 개체입니다.
4. 내포 랜덤 계수 버튼을 클릭합니다.
이 마지막 단계에서는 임의 효과의 수준 내에서 상관되는 랜덤 절편 및 랜덤 기울기 효과를 생성합니다. 개체는 개체 간의 변동성으로 인해 다른 개체에 내포됩니다. 절편이 모든 그룹에 대해 고정되어 있다고 간주하는 경우 절편[그룹]&랜덤 계수(1)을 선택한 후 제거를 클릭합니다.
계층적 선형 모형에서와 마찬가지로 이러한 방식으로 여러 랜덤 계수 그룹을 정의할 수 있습니다. 기울기 및 절편 계수에 대해 처리 효과별 랜덤 배치와 랜덤 배치 효과가 모두 있을 때 이 작업이 필요할 수 있습니다. 또한 성취도 스코어에 대해 랜덤 학생 효과와 랜덤 학교 효과가 있고 학생이 학교에 내포된 경우와 같은 계층적 선형 모형에서도 필요할 수 있습니다.
랜덤 계수는 비정형 공분산 구조를 사용하여 모델링됩니다. Figure 8.9에서는 Wheat.jmp 샘플 데이터의 랜덤 계수 지정을 보여 줍니다. 자세한 내용은 예: 혼합 모형 분석법 사용에서 확인하십시오.
그림 8.9 랜덤 계수를 보여 주는 완료된 모형 적합 시작 창
반복 구조 탭
"반복 구조" 탭을 사용하여 모형의 반복 효과에 대한 공분산 구조를 선택합니다.
그림 8.10 반복 구조 탭을 보여 주는 완료된 모형 적합 시작 창
구조
반복 구조는 기본적으로 "잔차"로 설정됩니다. 잔차 구조는 관측값 간에 공분산이 없음을 지정합니다. 즉, 오차가 독립적이라는 의미입니다. 잔차 구조와 이분산 구조 외에 다른 모든 공분산 구조도 관측값 간의 공분산을 모델링합니다. 구조에 대한 자세한 내용은 반복 측정에 대한 통계 상세 정보 및 공간 및 시간 변동성에 대한 통계 상세 정보에서 확인하십시오.
Table 8.1에는 사용 가능한 공분산 구조, 각 구조를 사용하기 위한 요구 사항 및 주어진 구조에 대한 공분산 모수의 수가 나열되어 있습니다. 관측 시간 수는 J로 표시됩니다.
구조 | 반복 열 유형 | 필요한 반복 열 수 | 개체 | 모수 수 |
|---|---|---|---|---|
잔차 | 해당 없음 | 0 | 해당 없음 | 0 |
이분산 | 범주형 | 1 | 선택적 | J |
비정형 | 범주형 | 1 | 필수 | J(J+1)/2 |
AR(1) | 연속형 | 1 | 선택적 | 2 |
복합 대칭 | 범주형 | 1 | 필수 | 2 |
Antedependent 등분산 | 범주형 |
| 필수 | J |
Toeplitz | 범주형 | 1 | 필수 | J |
복합 대칭 이분산 | 범주형 | 1 | 필수 | J+1 |
Antedependent | 범주형 |
| 필수 | 2J-1 |
Toeplitz 이분산 | 범주형 | 1 | 필수 | 2J-1 |
공간 | 연속형 | 2+ | 선택적 |
|
공간 이방성 | 연속형 | 2+ | 선택적 |
|
공간(너겟 사용) | 연속형 | 2+ | 선택적 |
|
공간 이방성(너겟 사용) | 연속형 | 2+ | 선택적 |
|
잔차 구조를 사용하여 "반복" 또는 "개체" 열을 입력하면 해당 열이 무시됩니다. 이 경우 "잔차 반복 공분산 구조를 선택한 경우에는 반복 열 및 개체 열이 무시됩니다"라는 경고가 표시됩니다.
유형
공간 공분산 구조 중 하나를 선택하면 공간 구조 유형을 선택할 수 있는 "유형" 목록이 나타납니다. 여기서 "거듭제곱", "지수","가우시안" 및 "구형"의 네 가지 유형을 사용할 수 있습니다. Figure 8.10에서는 Uniformity Trial.jmp 샘플 데이터에 대해 공간 구조 및 구형 유형이 선택된 것을 보여 줍니다.
반복
반복 측정 구조를 정의하는 열을 입력합니다. 반복 열의 모델링 유형은 공분산 구조에 따라 다릅니다. 각 반복 측정 공분산 구조의 요구 사항에 대한 자세한 내용은 Table 8.1에서 확인하십시오.
개체
개체를 정의하는 하나 이상의 열을 입력합니다. 개체 열은 범주형이어야 합니다.
데이터 형식
모형 적합 플랫폼의 혼합 모형 분석법을 사용하려면 모든 반응 측정값이 하나의 반응 열에 포함되어야 합니다. 반복 측정 데이터가 여러 열에 기록되는 경우도 있습니다. 이때 각 행은 개체이고 반복 측정값은 별도의 반응 열에 기록됩니다. 혼합 모형 분석법을 실행하기 전에 이 형식의 데이터를 쌓아야 합니다. Cholesterol.jmp 및 Cholesterol Stacked.jmp 샘플 데이터 테이블에서는 각각 가로형 형식과 쌓인 형식을 보여 줍니다. 가로형 테이블의 각 행은 쌓인 테이블에서 Patient의 한 수준에 해당합니다.