Interpretation der MANOVA-WiederholungsmessungHallo tolle Leute!
Zum ersten Mal in meinem Leben habe ich MANOVA in JMP ausprobiert! Ich habe die Datei mit der in der Datentabelle gespeicherten MANOVA-Analyse angehängt. Aus irgendeinem Grund konnte ich die Antwortspezifikation (die ich auf „Wiederholte Messungen“ eingestellt habe) nicht speichern. * Wenn jemand weiß, wie man diese Einstellung ebenfalls speichert, bitte ich um Aufklärung.
Ich brauche Hilfe bei der Beantwortung von 2 Fragen.
1. Ich schaue, ob es einen Unterschied im Wechsel zwischen drei akademischen Gruppen gibt. Nach welcher Spalte suche ich? Sicherlich gibt es den Effekt der Zeit.
Ich bin jedoch verwirrt, ob ich mir die Spalte [Alle zwischen] und [academic_program_new] unter „Zwischen Fächern“ oder die Spalte [Zeit*academic_program_new] unter „Innerhalb von Fächern“ ansehen soll.
2. Wie berechne ich das partielle Eta-Quadrat? Mir macht die manuelle Berechnung nichts aus, aber ich sehe keinen SS-Fehler.
Vielen Dank im Voraus!
Betreff: Interpretation wiederholter MANOVA-MessungenHallo @seoleelvjs ,
Stört mich bestimmt nicht! Die Reihenfolge der Ebenen für Diagramme und Analysen (JMP-weit) basiert auf der Eigenschaft „Wertreihenfolge“ für die interessierende Spalte; Wenn Sie keine spezielle Reihenfolge festlegen, werden die Ebenen dieser Spalte standardmäßig alphabetisch sortiert. Um die standardmäßige alphabetische Reihenfolge zu überschreiben und eine Reihenfolge festzulegen, die für Ihre Situation nützlich ist, klicken Sie mit der rechten Maustaste auf die Spalte in der Tabelle und gehen Sie zu „Spalteninformationen“. Sobald Sie sich in den Spalteninformationen für die Spalte „Zeit“ befinden, klicken Sie unten links auf das Dropdown-Menü „Spalteneigenschaften“ und wählen Sie „Wertreihenfolge“. Dadurch wird das Bedienfeld „Wertreihenfolge“ in den Spalteninformationen angezeigt (siehe unten). Sie können jetzt Ihre Spaltenebenen neu anordnen. Diese Änderung wirkt sich nicht nur auf die Ausgabe von „Modell anpassen“ aus, sondern auf alle Ausgaben, bei denen eine Reihenfolge für die Ebenen der Spalte angezeigt werden muss.
julianisch
Betreff: Interpretation wiederholter MANOVA-MessungenEs tut mir leid, Sie weiterhin zu belästigen, aber nur eine kurze Frage.
Das LS-Mittelwertdiagramm gibt einen etwas umgekehrten Namen für die Zeitpunkte an, wie Sie unten sehen können. Die richtige Art der Präsentation wäre vor > nach > 30 Tagen ...
Unten ist die JSL. Gibt es eine Einstellung, die mir nicht bekannt ist?
Fit Model(
Y( :Data ),
Effects( :academic_program_new, :Time, :academic_program_new * :Time ),
Random Effects(
:user_id[:academic_program_new],
:user_id * :Time[:academic_program_new]
),
NoBounds( 1 ),
Personality( "Standard Least Squares" ),
Method( "REML" ),
Emphasis( "Minimal Report" ),
Run(
:Data << {Analysis of Variance( 0 ), Lack of Fit( 0 ),
Plot Actual by Predicted( 0 ), Plot Regression( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 ),
{:academic_program_new << {LSMeans Table( 0 )}, :academic_program_new *
:Time << {LSMeans Plot( 1 )}}}
),
SendToReport(
Dispatch( {"Response Data"}, "Effect Details", OutlineBox, {Close( 0 )} )
)
)
Vielen Dank im Voraus!
Betreff: Interpretation wiederholter MANOVA-MessungenNochmals vielen Dank 
Ich hoffe, Sie und Ihr Entwicklerteam setzen die Magie fort!Betreff: Interpretation wiederholter MANOVA-MessungenGern geschehen! Ich bin froh, dass es geholfen hat.
Ja, das von mir geschriebene Add-In ruft die *identische* lineare Mixed-Effects-Modellanalyse (Anpassung über REML) auf. JMP kann diese Modelle bereits über das Dialogfeld „Modell anpassen“ anpassen (wie Sie gesehen haben). Dieses Add-in rekrutiert also lediglich diese Plattform, nachdem es Ihre Effekte für Sie definiert hat. Der Hauptgrund, warum ich das Add-In geschrieben habe, besteht darin, die Einrichtung dieser Modelle zu vereinfachen, wenn Sie mehrere Faktoren innerhalb und/oder zwischen Subjekten haben, die faktoriell gekreuzt sind. In diesen Fällen kann es etwas umständlich werden, alle korrekten Modelleffekte und -interaktionen zu definieren, daher dachte ich, es wäre nützlich, ein Add-In zu haben, das sich darum kümmert. Ich kann den Code, der zu diesen Modellen passt, auf keinen Fall würdigen! Diese Magie wird von dem geradezu erstaunlichen Entwicklerteam ausgeführt, das JMP erstellt.
@julianisch
Betreff: Interpretation wiederholter MANOVA-MessungenVielen Dank für die ausführliche Lösung und die ausführliche Schritt-für-Schritt-Erklärung! Ich schätze es sehr...
Ich habe die drei (REML, EMS und MANOVA) ausprobiert, ohne die Probanden mit fehlenden Daten zu löschen, und jedes hat ein anderes Ergebnis geliefert, was, wie Sie erklärt haben, Sinn macht. Ich werde nicht zögern, Ihren Rat zur Verwendung von REML gegenüber EMS zu befolgen ... Es scheint, dass REML eine genauere Darstellung der Beziehung zeigt (was ich anhand der LS-Mittelwertdarstellung erkennen kann ... es sieht so aus, als gäbe es nur ... (ein geringfügiger Unterschied in den LS-Mittelwerten zwischen der Gruppe zu unterschiedlichen Zeiträumen) als MANOVA und widerstandsfähiger gegenüber fehlenden Daten.
Letzte Frage: Handelt es sich bei REML und dem von Ihnen bereitgestellten Add-In im Wesentlichen um dasselbe Modell?
Betreff: Interpretation wiederholter MANOVA-MessungenHallo nochmal @seoleelvjs ,
Als Ergänzung dachte ich, ich sollte erwähnen, dass in Ihrem Fall die Ergebnisse dieser verschiedenen Analysen nicht gleich sein werden, da Sie keine vollständigen Daten haben (es fehlen Beobachtungen für bestimmte Zeitpunkte für einige Ihrer Probanden). . Da jede Analyse die Daten auf unterschiedliche Weise angeht, wird das Fehlen unterschiedlich gehandhabt, was zu unterschiedlichen Ergebnissen führt. Damit Sie die Beziehung zwischen diesen Methoden (und den Zusammenhang zwischen der Position der relevanten Ergebnisse in den einzelnen Ausgaben) sehen können, habe ich eine Version Ihres Datensatzes erstellt und alle Subjekte mit fehlenden Daten entfernt (damit wir vollständige Daten für alle Personen haben). Wenn wir diese drei Analysen (MANOVA, EMS, REML) durchführen, werden Sie feststellen, dass wir identische Ergebnisse erhalten.Unten sehen Sie einen Screenshot mit markierten relevanten Bereichen. Ich hoffe das hilft!
-julianisch
Betreff: Interpretation wiederholter MANOVA-MessungenHallo @seoleelvjs ,
Ich konnte das Manova-Skript in Ihrer Tabelle ausführen und es hat die wiederholte Antwort, die Sie angegeben haben, problemlos reproduziert. Sie sehen diese JSL in Ihrem gespeicherten Skript:
Response Function( "Sum", Repeated( 1 ), Title( "Between Subjects" ) ),
Response Function(
"Contrast",
Repeated( 2 ),
Prefix( "Time*" ),
Title( "Within Subjects" )
)
Was die Interpretation angeht, ich weiß, dass die Ausgabe von Manova etwas ausführlich erscheint, aber wenn man erst einmal weiß, wo man suchen muss, wird es einfach! Für Ihren subjektinternen Effekt der Zeit (ob es Beweise dafür gibt, dass sich die Mittelwerte von vor/nach/30 Tagen unterscheiden, gemittelt über das akademische Programm) schauen Sie im Zeitabschnitt nach Ihrem F und dem zugehörigen DF- und p-Wert:
Für Ihren Test des akademischen Programms (ob sich die Mittelwerte für die Programme unterscheiden und über die Zeit gemittelt werden) schauen Sie im Abschnitt zwischen den Fächern unter „academic_program_new“ nach:
Für die Interaktion zwischen Ihren Faktoren innerhalb und zwischen den Fächern, dem Test, ob Sie Belege dafür haben, dass sich die Zeiteffekte für die verschiedenen akademischen Programme unterscheiden (oder gleichwertig, ob Sie Belege dafür haben, dass der Unterschied zwischen den akademischen Programmen und zu unterschiedlichen Zeitpunkten unterschiedlich ist), schauen Sie sich um Klicken Sie im Abschnitt „Innerhalb von Subjekten“ unter „Zeit*academic_program_new“ auf die gewünschte multivariate f-Statistik (was auch immer in Ihrem Fachgebiet am häufigsten vorkommt – ich würde auf Lambda tippen):
Ein paar zusätzliche Anmerkungen, bevor wir mit der Berechnung des partiellen Eta-Quadrats beginnen. Die von Ihnen angeforderte Ausgabe dient der echten multivariaten Varianzanalyse, bei der wir einen linearen Kontrast über die mehreren Antworten innerhalb des Subjekts erstellen. Bei diesen Tests handelt es sich nicht um die herkömmlichen univariaten Tests mit wiederholten Messungen. Wenn Sie die univariaten Tests mit wiederholten Messungen anfordern möchten (was Sie möglicherweise von SPSS mit wiederholten Messungen erhalten), können Sie dies tun, wenn Sie den wiederholten Kontrast aufrufen – aktivieren Sie einfach das Kontrollkästchen auch für univariate Tests:
Wenn Sie dies tun, erhalten Sie in jedem Abschnitt zusätzliche Ausgaben. Beachten Sie, dass es für jeden Ihrer themeninternen Tests Univar-Tests gibt, sowohl unkorrigierte als auch Epsilon-korrigierte. Es gibt auch den bekannten Sphärizitätstest.
Nun zu Ihrer letzten Frage zum partiellen Eta-Quadrat. Sie werden nicht in der Lage sein, aus dieser Ausgabe die bestimmten Werte zu erhalten, die Sie benötigen, aber Sie werden es schaffen, indem Sie Ihre Daten leicht umstrukturieren und dieses Modell dann auf andere Weise über „Modell anpassen“ ausführen.
Zuerst verwenden wir Tabellen > Stapeln, um Ihre Daten zu stapeln. Wir weisen jmp an, Ihre drei Zeitspalten zu stapeln und beschriften die Spalten dann im Dialogfeld entsprechend:
Dadurch wird eine Tabelle zurückgegeben, in der Ihre wiederholten Messungen zeilenübergreifend und nicht in separaten Spalten erfolgen (hier angehängter Datensatz):
Als Nächstes kehren wir zu Analysieren > Modell anpassen zurück, aber statt mehrere Y-Spalten anzugeben, definieren wir Ihre wiederholte Struktur vollständig im Abschnitt „Modelleffekte“ und verwenden Ihre user_id-Spalte, um JMP mitzuteilen, dass es einen zufälligen Effekt gibt gegenwärtig. Dazu fügen wir zunächst eine vollständige Fakultät Ihrer „festen“ Effekte, Ihres akademischen Programms und Ihrer Zeit hinzu. Anschließend fügen wir user_id hinzu. Wenn diese Option ausgewählt ist, klicken Sie auf das rote Dreieck neben „Attribute“ und wählen Sie „Zufällig“ aus. Dadurch wird JMP darüber informiert, dass es sich bei diesem Effekt um einen Zufallseffekt handelt (was Subjekte immer sind). Um völlig formal zu sein, müssen wir jmp mitteilen, dass Ihre Fächer innerhalb der Bedingungen zwischen Fächern verschachtelt sind. Daher wählen wir den Faktor „user_id“ in den Modelleffekten aus, wählen dann in der Spaltenliste das akademische Programm aus und klicken dann auf „Verschachteln“.Wenn Sie dieses Modell schließlich so ausführen möchten, dass Sie SS für Ihre Berechnung des Eta-Quadrats erhalten, ändern Sie die „Methode“ oben rechts in „EMS Traditional“ (ich werde gleich auf diese Auswahl zurückkommen). Ihr Dialog sollte so aussehen:
Wenn Sie auf „Ausführen“ klicken, erhalten Sie die herkömmliche Ausgabe der erwarteten mittleren Quadrate wiederholter Messungen mit allen Termen, die Sie zur Berechnung des partiellen Eta-Quadrats benötigen:
Durch die Umstellung Ihrer Methode auf EMS haben Sie JMP angewiesen, dieses Modell mithilfe der erwarteten mittleren Quadrate zu berechnen, einer traditionellen und älteren Methode zur Anpassung dieser Modelle mit wiederholten Messungen. Die ursprüngliche Standardeinstellung, REML, ist (aus vielen statistischen Gründen) die am meisten bevorzugte Methode für diese Modelle und würde ein lineares Modell mit gemischten Effekten zurückgeben. Wenn Sie über vollständige Daten verfügen, liefern ein gemischtes Modell und ein ems-Modell identische p-Werte. Wenn (zufällig) Daten fehlen, übertrifft das gemischte Modell EMS. Aus diesem und anderen Gründen würde ich REML auf jeden Fall gegenüber EMS empfehlen, obwohl Sie kein einfaches Effektgrößenmaß für Ihre Faktoren berechnen können (bei Interesse können Sie sich über die Kontroverse über Effektgrößen in Modellen mit gemischten Effekten informieren). .
Wenn Sie die Spezifikation dieser Messwiederholungsmodelle durch einen gemischten Modellansatz vereinfachen möchten, können Sie hier mein vollfaktorielles Messwiederholungs-Add-in herunterladen: Add-In für wiederholte Messungen . Die einzige Voraussetzung ist, dass Ihre Daten in hoher/gestapelter Form vorliegen (was wir oben getan haben).
Ich hoffe das hilft!
@julianisch
