回上層

Enterprise Guide

混合模型

「混合模型」工作會讓各種混合線性模型符合資料,可讓您使用這些符合的模型對資料進行統計推論。

混合線性模型是標準線性模型的概括,概括的內容是允許資料呈現相關及非常數變異性。混合線性模型非常靈活,不僅可以建立資料平均值的模型,也可以建立其變異數與共變異數的模型。

 

另外在實驗設計中,因子可以分為固定效果隨機效果兩種,若是分析的模型中有隨機因子時,會造成部分因子的F值計算方式不同 (依據EMS Rules),此時使用廣義線性模型來分析此資料時,所得的F值都是以MSE為分母,造成部分的因子檢定有錯誤。而我們必須另外使用test的語句來指定因子的F值計算方式以求得正確F值。若是使用混合模型,則我們只要正確指派變數角色,則EG就會得出正確的統計量。

 

資料說明:

Y是我們的應變數,A和B都是實驗的固定效果因子而Block是隨機效果區集。以這個資料類型而言,若模型假設為Y=A+B+A*B+Block+A*Block。

依照EMS Rules,因子A的F=MS(A)/MS(A*Block)。

 

1

 

下表是利用廣義線性模型所得到的結果,其中A因子的F值為17.44。但是這個F值是以MSE為分母所得。

 

2

 

但是依照EMS Rules,其F值的計算方式應以MS(A*Block)為分母,所以我們要在廣義線性模型裡插入下列程式,表示A的分母是除以MS(A*Block):

3

 

則在新執行的報表中會有下列新的報表產生,此時因子A的F值為4.07才是正確的F檢定統計量。

 

4

 

接下來,我們則使用EG的混合模型工作來幫我們快速達成上列的分析。

在工作的快捷選單中選擇【分析】→【ANOVA】→【混合模型】

 

5

 

於左側的選單中選擇【資料】,將要指派的變數(A)中的【Y】變數,拖曳至右側工作角色(T)中的應變數欄;接著將要指派的變數(A)中的【A】、【B】和【Block】拖曳至右側工作角色(T)中的分類變數欄。

 

6

 

於左側的選單中選擇【固定效果模型】,先點選類別及屬量變數視窗中的【A】和【B】變數後,再點選【因子】按鈕,將A、B 和 A*B 加入右側的效果視窗。

 

7

 

於左側的選單中選擇【隨機效果】,點選【增加】。

 

8

 

 在右側的隨機效果中點選15,以選擇隨機效果變數進入模型。

 

9

 

點選類別及屬量變數視窗中的【Block】變數後,再點選【主要】按鈕,將【Block】加入右側的隨機效果視窗。

 

10

 

點選類別及屬量變數視窗中的【Block】和【A】變數後,再點選【交叉】按鈕,將【Block*A】加入右側的隨機效果視窗。

 

11

 

選擇【確定】。

 

12

 

選擇【執行】。

 

13

 

產生的結果如下:

下表中的A因子的F值是不是跟廣義線性模型中除上MS(A*Block)的F相等,這樣我們就不再需要先去利用EMS Rules求出F值的計算方法,也不用再以插入程式的方式求出正確的檢定統計量值。

 

14

 

 

回上層