Discussions
Solve problems, and share tips and tricks with other JMP users.
You can perform "simple effect test" by [Test Slices] option at the red triangle menu for the interection term, and you can output the p-values into a data table by [Make Combined Data Table].
(1) Select [Analyze] > [Fit Model].
(2) Set the Y variable, and set two-factors interactions (say, "A, B and A*B").
In the default setting, you can see leverage plots in the right side ("A", "B" and "A*B").
(3) Click the red triangle menu at "A*B", and select [Test Slice].
You can see F Ratios and the p-values of "simple effect tests". But these p-values are not adjusted for multiplicity.
(4) Right-click on a table for a simple effect test, and select [Make Combined Data Table].
Now you can see test resutls in a JMP data table.
(5) Delete rows which you are not interested in, and leave only rows what you are interested in.
(6) Right-click on the column header for "Prob>F", and select [New Formula Column] > [Formula...]. The formula editor window is invoked.
(7) Type the following formua.
Min(:"Prob > F"n * N Row(), 1);
Click [OK] to apply the formula and close the window.
(8) Change the column name, like "Adj. Prob > F".
(9) Select [Edit] > [Journal]. Now you can make the table of Bonferroni adjusted p-values.
P.S.
I personally (and strongly) do not recommend "only calculating p-values" or "p-values-are-all philosophy". You can create more informative graphs for seeing the two-factor interaction.
(A) After #2 in the above, click the red triangle at the top outline, and select [Factor Profiling] > [Interaction Plots]. You can see the interacton plot.
(B) After #2 in the above, click the red triangle at the top outline, and select [Factor Profiling] > [Profiler]. Select [Overlaid Interaction] at Prediction Profiler. This plot is same as Interaction Plot when there are only two factors. But the Prediction Profiler is interactive and you can see more than two factors interactively.
(C) You can make more graphs by the Graph Builder.
I also think that you needed to clarify which contrasts you would test before you gathered data if you are really wanted to adjust multiplicity. If you select which contrasts you test after you see your data, the multiplicity will not be adjusted correctly.
I denote two main fixed effects as Week and Group, and the two-factor interaction term as Week*Group. I guess that you also include the random effect of animals. I denote it as Animal ID.
Y = Week Group Week*Group Animal ID&Random Effect
If you include random effects in your model, the default Emphasis becomes Minimal Report. If so, you need to open the Effect Details outline. There is Group*Week outline in it.
Or, you need to select Effect Leverage for Emphasis in the launch dialog.
Before you try your own data, please try the analysis for the following fake data.
(1) Select File > New > JSL Script. The script editor is open.
(2) Copy and paste the following code to the script editor.
Names Default To Here(1);
Random Reset(1111111);
n group = 2;
n animals per group = 10;
n week = 20;
data = [];
id = 0;
For(group = 1, group <= n group, group++,
For(i=1, i <= n animals per group, i++,
id++;
f = Random Normal();
For(week = 1, week <= n week, week++,
y = week + group + f + Random Normal();
If(week>=10 & group==1, y += 10 - week);
data|/=group||id||week||y;
);
);
);
dt = As Table(data, <<Column Names({"Group", "Animal ID", "Week", "Y"}));
Column(dt, "Group")<<Modeling Type("Nominal");
Column(dt, "Animal ID")<<Modeling Type("Nominal");
Column(dt, "Week")<<Modeling Type("Nominal");
Graph Builder(
Size( 654, 507 ),
Show Control Panel( 0 ),
Variables( X( :Week ), Y( :Y ), Overlay( :Animal ID ), Color( :Group ) ),
Elements( Line( X, Y, Legend( 14 ) ) )
);
(3) In the script editor, select Edit > Run Script.
(4) Do the above analsis, and see whether it is what you want.
If the number of groups is two, you can use Multiple Comparisons option for performing simple effect tests
(1) Select the red triangle icon and select Multiple Comparisons.
(2) Select Group*Week in Choose an Effect.
(3) Check Show Least Squares Means Plot.
(4) Check Create an Interaction Plot.
(5) Select Group in Choose Terms for Overlay.
(6) Click OK. The Interaction plot with confidence intervals is shown.
(7) Again, select the red triangle icon and select Multiple Comparisons.
(8) Select Least Squares Means Slice Estimates in Type of Estimates.
(9) Select Specify Slice Terms in Slice Options.
(10) Select Week in Choose Slice Terms.
(11) (If you want to do Bonferroni's correction) Select All Pairwise Comparisons - Student's.
(12) Click OK. Note that all results are not adjusted for multiplicity.
(13) Right-click inside the All Pairwise Differences table, and select Make Combined Data Table.
(14) Calculate Bonferroni adujusted p-values and confidence intervals.
Min( :"Prob>|t|"n * N Row(), 1 ):Difference - :Std Error * t Quantile( 1 - 0.05 / (2 * N Row()), :DF ):Difference + :Std Error * t Quantile( 1 - 0.05 / (2 * N Row()), :DF )
<Japanese>
2つの固定効果である主効果を Week および Group とし、それらの2因子間交互作用項を Week*Groupとします。おそらく、これらの固定効果だけではなく、動物の各個体がもつ変量効果もモデルに含めているものと思います。この変量効果を、Animal IDとします。つまり、モデルの効果として、次の4つが含まれているとします。
Y = Week Group Week*Group Animal ID&Random Effect
「モデルのあてはめ」にて変量効果を含めた場合、デフォルトの強調点が最小レポートになります. その場合、レポートの効果の詳細アウトラインを開く必要があります。開くと、そのなかにGroup*Weekアウトラインがあります。
もしくは、起動ダイアログにおいて、強調点を効果てこ比にしてください。
自分自身のデータを試す前に、まずは綺麗な疑似データでうまくいくかどうかを試すことをお勧めしたいです。
(1) ファイル > 新規作成 > JSLスクリプトを選択します。 スクリプトエディタが開きます。
(2) 次のコードを、スクリプトエディタにコピペします。
Names Default To Here(1);
Random Reset(1111111);
n group = 2;
n animals per group = 10;
n week = 20;
data = [];
id = 0;
For(group = 1, group <= n group, group++,
For(i=1, i <= n animals per group, i++,
id++;
f = Random Normal();
For(week = 1, week <= n week, week++,
y = week + group + f + Random Normal();
If(week>=10 & group==1, y += 10 - week);
data|/=group||id||week||y;
);
);
);
dt = As Table(data, <<Column Names({"Group", "Animal ID", "Week", "Y"}));
Column(dt, "Group")<<Modeling Type("Nominal");
Column(dt, "Animal ID")<<Modeling Type("Nominal");
Column(dt, "Week")<<Modeling Type("Nominal");
Graph Builder(
Size( 654, 507 ),
Show Control Panel( 0 ),
Variables( X( :Week ), Y( :Y ), Overlay( :Animal ID ), Color( :Group ) ),
Elements( Line( X, Y, Legend( 14 ) ) )
);
(3) スクリプトエディタにて、編集 > スクリプトの実行を選択します。
(4) 前述の分析をしてみて、望みの結果が得られるかを試してください。
もし2群の場合ならば、多重比較オプションを使うことも考えられます。
(1) レポート先頭の赤い三角ボタンをクリックし、多重比較を選択します。
(2) 呼び出されたウィンドウの効果の選択にて、Group*Weekを選択します。
(3) 最小2乗平均プロットの表示をチェックします。
(4) 交互作用プロットを作成するをチェックします。
(5) 重ね合わせるモデル項を選択にて、Groupを選択します。
(6) OKをクリックすると、信頼区間も描かれた交互作用プロットが作成されます。」
(7) 再び、レポート先頭の赤い三角ボタンから、多重比較を選択します。
(8) 推定値の種類で、最小2乗平均の輪切り推定値を選択します。
(9) 輪切りのオプションにて、輪切りする項を指定するを選択します。
(10) 輪切りする項の選択にて、Weekを選択します。
(11) (もし後ほどBonferroni調整を適用するのであれば) 各ペアの比較 - Studentのt検定を選択します。
(12) OKをクリックします. この結果は多重調整がなされていない点にご注意ください。
(13) すべてのペアの平均差の表にて右クリックして、連結したデータテーブルの作成を選択します。
(14) Bonferroni調整したp値と信頼区間を求める計算式を作成してください。
Min( :"Prob>|t|"n * N Row(), 1 ):Difference - :Std Error * t Quantile( 1 - 0.05 / (2 * N Row()), :DF ):Difference + :Std Error * t Quantile( 1 - 0.05 / (2 * N Row()), :DF )＜以下は日本語のみでの説明＞
20時点もある場合、その20時点で輪切りをすると、（群が2群であり、その2群での差を求めるだけであれば）調整したp値は元のp値を20倍することになります。もしデータを取る前に多重調整を宣言するのであれば、固定順序法（fixed order method）などの方法によっても多重性は調整できます。
20時点もある場合には、時点の効果をカテゴリカルデータではなく、連続変数としてモデル化することも考えられます。
先日の回答でも述べましたが、個人的にはp値を求めて終わりではなく、グラフビルダーなどで全体の傾向を見ることを強くお勧めいたします。上記のスクリプトを実行すると、週を横軸、測定値を縦軸にして、群ごとに色分けした各個体ごとの折れ線が描かれます。
I now come to mind and I am afraid that you set Animial ID as a fixed effect or you select EMS (Traditional) for Method. If so, Animal ID is treated as a fixed effect.
Even if you apply Random Effect to Animal ID, and if you set EMS (Traditional), many results are based on a fixed-effect model. Only Expected Mean Squares, Variance Component Estimates, Test Denominator Synthesis, and Test wrt Random Effects are based on a mixed-effect model.
Although I do not think what you want to do, if you really want to treat Animal ID as a fixed effect, you need to set Animial ID as a nested effect from Group (,i.e. Animal ID[Group]).
If Animial ID is numbered within each group as below, and the animal with Animal ID=1 in Group=1 is different from Animal ID=1 in Group=2, then you always need to set Animal ID as a nested effect from Group (,i.e. you need to set Animal ID[Group]) (even if you treat Animal ID as a random effect in REML estimation).
Group Animal ID
1 1
1 2
1 3
1 4
1 5
2 1
2 2
2 3
2 4
2 5
If your data is like below, and if you perform REML estimation, you do not need to specify the nested effect.
(It is also OK that you specify Animal ID as the nested effect.)
Group Animal ID
1 1
1 2
1 3
1 4
1 5
2 6
2 7
2 8
2 9
2 10
Note that the above model, Y = Group Week Group*Week Animal ID&Random Effect with nominal Group and Week, is only one possibility among many statistical models. I just showed how to set and perform in JMP software, and I do not think about the validness of this model
Anyway, I think that the first step is to draw the plot.
<Japanese>
いま少し思い付いたのですが、Animal IDを固定効果として扱っているか、もしくは、手法をEMS(従来)にしていないかと思いました。その場合、Animal IDは固定効果として扱われます。
Animal IDを変量効果として設定しても、EMS(従来)にすると、多くの結果はAnimal IDを固定効果として扱った固定効果モデルに基づいています。期待平均平方、分散成分推定値、F検定の分母、変量効果を考慮した検定だけが、Animal IDを変量効果として扱った混合効果モデルに基づきます。
分析したいことではないと思いますが、万が一、本当にAnimal IDを固定効果として分析をしたいのであれば、Animal IDをGroupから枝分かれした効果「Animal ID[Group]」として設定する必要があります。
もし、以下のようにAnimal IDが各群で番号付けされていて、また、第1群のAnimal ID=1が、第2群のAnimal ID=1と違う個体の場合には、その場合にはAnimal IDを枝分かれ効果（つまり、Animal ID[Group])としなければいけません。（これはAnimal IDを変量効果として扱ってREML推定する場合にも、そう設定する必要があります。）
Group Animal ID
1 1
1 2
1 3
1 4
1 5
2 1
2 2
2 3
2 4
2 5
もしデータが次のようになっていて、Animal IDが変量効果として設定されていて、REML推定を行う場合には、Animal IDを枝分かれ効果として指定する必要はありません。（別に枝分かれ効果として指定しても構いません。データが以下のような場合で、REML推定を用いる場合には、どっちでも構いません。）
Group Animal ID
1 1
1 2
1 3
1 4
1 5
2 6
2 7
2 8
2 9
2 10
なお、Y = Group Week Group*Week Animal ID&変量効果 でGroupやWeekを名義尺度として扱うモデルは、他にもいろいろと考えられるモデルのうちの1つにすぎず、上記のことはソフトウェア上の設定方法や操作方法だけを述べているだけで、このモデルが妥当なものかは考えていません。
いずれにしても、まずはグラフを描いてみるのが最初のステップだと思います。
