使用“拟合模型”平台的“标准最小二乘法”特质拟合斜率不等的方差分析模型。本例拟合一个模型,其中连续回归变量的斜率取决于名义型变量的水平。拟合模型后,本例比较在回归变量的特定值处名义型变量的各个水平的最小二乘均值。
1. 选择帮助 > 样本数据文件夹,然后打开 Drug.jmp。
2. 选择分析 > 拟合模型。
3. 选择 y 并点击 Y。
4. 选择药物和 x,然后点击宏 > 析因次数。
这会将最高达到次数框中指定的次数的项添加到模型中。次数的默认值为 2。因此会将主效应药物和 x 及其交互作用药物*x 添加到模型效应列表中。
5. 点击运行。
这样指定会将两列(分别为 x4i 和 x5i)添加到线性模型,这允许协变量斜率在药物不同水平下有所不同。通过将药物的指标变量乘以协变量值得到新变量,公式如下:
表 4.1 显示该模型的编码。X 的均值为 10.7333。该均值用于使连续项中心化。
回归变量 |
效应 |
值 |
X1 |
药物[a] |
+1(若为 a)、0(若为 d)、–1(若为 f) |
X2 |
药物[d] |
0(若为 a)、+1(若为 d)、–1(若为 f) |
X3 |
X |
X 的值 |
X4 |
药物[a]*(X - 10.733) |
X – 10.7333(若为 a)、0(若为 d)、–(X – 10.7333)(若为 f) |
X5 |
药物[d]*(X - 10.733) |
0(若为 a)、X – 10.7333(若为 d)、–(X – 10.7333)(若为 f) |
该报表的一部分显示在图 4.6 中。“回归图”显示具有不同斜率的拟合线。“效应检验”报表给出交互作用的 p 值为 0.56。该值并不显著,这指示该模型不需要包含不同斜率。
图 4.6 包含交互作用的图
您现在想比较协变量 x 的特定值处药物水平的最小二乘均值。在协方差模型的分析中,此类比较有时称为聚光灯分析。有关聚光灯分析的详细信息,请参见 Spiller et al. (2013)。
1. 点击“响应‘Y’”红色小三角并选择估计值 > 多重比较。
2. 在“多重比较”窗口中,选择用户定义的估计值。
3. 在选择药物水平下选择所有三个值。
4. 在 x 下的第一个框中,输入 12.5。
5. 点击添加估计值。
这将添加 x = 12.5 处药物三个水平的比较。
6. 点击确定。
“用户定义的估计值”报表显示协变量 x 设置为 12.5 时药物每个水平的最小二乘均值估计值。“用户定义估计值的多重比较”旁边的红色小三角包含允许您检验估计值差值的选项。
图 4.7 “用户定义的估计值”报表
7. 点击“用户定义估计值的多重比较”旁边的红色小三角并选择与总平均值比较。
图 4.8 与总平均值比较决策图
“与总平均值比较”选项为总平均值与三个最小二乘均值的差值创建均值分析 (ANOM) 图。从 ANOM 图,您得出以下结论:在 x = 12.5 处,药物对响应没有显著影响。