45782_es-ES

liliconcom

Interpretación de medidas repetidas de MANOVA

¡Hola gente increíble!

¡Por primera vez en mi vida, probé MANOVA en JMP! Adjunté el archivo con el análisis MANOVA guardado en la tabla de datos. Por alguna razón, no pude guardar la Especificación de respuesta (que configuré en Medidas repetidas) * Si alguien sabe cómo guardar esta configuración también, por favor infórmeme.

 

 

Necesito ayuda para responder 2 preguntas.

 

1. Estoy viendo si hay diferencia en el cambio entre tres grupos académicos. ¿Qué columna busco? Sin duda, existe el efecto del tiempo.

 

Sin embargo, no estoy seguro de si debo mirar la columna [Todo entre] y [academic_program_new] en Entre materias o la columna [Hora*academic_program_new] en Dentro de materias.

 

 

2. ¿Cómo calculo la eta cuadrada parcial? No me importa el cálculo manual, pero no veo ningún error de SS.

 

 

 

¡Gracias de antemano!

Re: Interpretación de medidas repetidas MANOVA

Hola @seoleelvjs ,

¡Ciertamente no me molestas! El orden de los niveles para gráficos y análisis (en todo JMP) se basa en la propiedad Ordenación de valores para la columna de interés; Si usted no define específicamente ningún orden, los niveles de esa columna se ordenan alfabéticamente de forma predeterminada. Para anular el orden alfabético predeterminado y poder especificar un orden que sea útil para su situación, haga clic derecho en la columna de la tabla y vaya a Información de columna. Una vez que esté en Información de columna para la columna Hora, haga clic en el menú desplegable Propiedades de columna en la parte inferior izquierda y seleccione "Ordenación de valores". Esto revelará el panel de control de Ordenación de valores en Información de columna (que se muestra a continuación). Ahora puede reorganizar los niveles de sus columnas. Este cambio no solo afectará la salida de Ajustar modelo, sino que afectará a toda la salida donde se deba mostrar un orden para los niveles de la columna.  

Julian

 

Re: Interpretación de medidas repetidas MANOVA

Lamento seguir molestándote, pero solo una pregunta rápida.

La trama de medios LS da un nombre algo inverso a los puntos de tiempo, como se puede ver a continuación. La forma correcta de presentación sería pre > post > 30 días...

 

 

A continuación se muestra el JSL. ¿Existe algún tipo de configuración que desconozco?

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 )} )
 )
)

 

¡Gracias de antemano!

Re: Interpretación de medidas repetidas MANOVAGracias de nuevo ¡Espero que tú y tu equipo de desarrolladores continúen con la magia!Re: Interpretación de medidas repetidas MANOVA

¡De nada! Me alegro que haya ayudado.

 

Sí, el complemento que escribí llama al análisis del modelo lineal de efectos mixtos *idéntico* (ajustado mediante REML). JMP ya puede ajustar estos modelos a través del cuadro de diálogo Ajustar modelo (como vio), por lo que todo lo que hace este complemento es reclutar esta plataforma después de definir sus efectos por usted. La razón principal por la que escribí el complemento es para simplificar la configuración de estos modelos cuando tienes varios factores dentro y/o entre sujetos que se cruzan factorialmente. En estos casos, puede resultar un poco engorroso definir todos los efectos e interacciones correctos del modelo, por lo que pensé que sería útil tener un complemento que se encargara de eso. ¡Ciertamente no puedo atribuirme el mérito del código que se adapta a estos modelos! Esa magia la realiza el increíble equipo de desarrolladores que crean JMP.

 

@Julian

Re: Interpretación de medidas repetidas MANOVA

¡Muchas gracias por la solución detallada y una explicación detallada paso a paso! Se lo agradezco mucho...

Probé los tres (REML, EMS y MANOVA) sin eliminar los sujetos a los que les faltaban datos y cada uno dio un resultado diferente, lo cual tiene sentido como usted ha explicado. No dudaré en seguir su consejo sobre el uso de REML en lugar de EMS... Parece que REML muestra una descripción más precisa de la relación (lo cual puedo ver con solo mirar la trama de medios de LS... parece que solo hay una ligera diferencia en las medias de LS entre el grupo en diferentes períodos de tiempo) que MANOVA, y es más resistente a los datos faltantes.

 

Última pregunta: ¿REML y el complemento que proporcionó son esencialmente el mismo modelo?

 

 

 

Re: Interpretación de medidas repetidas MANOVA

Hola de nuevo @seoleelvjs ,

 

Como seguimiento, pensé que debería mencionar que en su caso, dado que no tiene datos completos (faltan observaciones para ciertos momentos de algunos de sus sujetos), los resultados de estos diferentes análisis no serán los mismos. . Debido a que cada análisis aborda los datos de una manera diferente, la falta se maneja de manera diferente, lo que conduce a resultados diferentes. Para que pueda ver la relación de estos métodos (y la conexión entre dónde están los resultados relevantes en cada resultado), creé una versión de su conjunto de datos eliminando todos los sujetos a los que les faltaban datos (para que tengamos datos completos para todos los individuos). Cuando ejecutamos estos tres análisis (MANOVA, EMS, REML), verá que obtenemos resultados idénticos.A continuación se muestra una captura de pantalla con las áreas relevantes marcadas. ¡Espero que esto ayude!

-Julian

 

 

 

 

Re: Interpretación de medidas repetidas MANOVA

Hola @seoleelvjs ,

Pude ejecutar el script Manova en su tabla y reprodujo perfectamente la respuesta repetida que especificó. Verás ese jsl en tu script guardado:

  Response Function( "Sum", Repeated( 1 ), Title( "Between Subjects" ) ),
  Response Function(
   "Contrast",
   Repeated( 2 ),
   Prefix( "Time*" ),
   Title( "Within Subjects" )
  )

En cuanto a la interpretación, sé que el resultado de Manova parece un poco detallado, pero una vez que sepas dónde buscar, ¡será fácil! Para conocer el efecto del tiempo dentro del sujeto (si hay evidencia de que las medias difieren de antes/post/30 días, promediando el programa académico), busque en la sección de tiempo su F y el valor DF y p asociado:

Para su prueba de programa académico (si los medios de los programas difieren, promediando a lo largo del tiempo), busque en la sección entre materias en "academic_program_new":

 

Para la interacción entre sus factores internos y entre sujetos, la prueba de si tiene evidencia de que el efecto del tiempo difiere para los diferentes programas académicos (o de manera equivalente, si tiene evidencia de que la diferencia del programa académico es diferente y en diferentes momentos), busque en la sección Dentro de los sujetos en Tiempo*academic_program_new, y elija su estadística f multivariada favorita para usar (lo que sea más común en su campo, supongo que Lambda):

 

 

Algunas notas adicionales antes de pasar al cálculo de eta al cuadrado parcial. El resultado que solicitó es para el verdadero análisis multivariado de varianza en el que estamos construyendo un contraste lineal entre las múltiples respuestas intrasujetos. Estas pruebas no son las tradicionales pruebas univariadas de medidas repetidas. Si desea solicitar las pruebas de medidas repetidas univariadas (lo que podría obtener de medidas repetidas de SPSS), puede hacerlo cuando llame al contraste repetido; simplemente marque la casilla para pruebas univariadas también:

Cuando haga esto, recibirá resultados adicionales en cada sección. Tenga en cuenta que para cada una de sus pruebas dentro del sujeto, existen pruebas Univar, tanto sin corregir como con corrección épsilon. También existe la conocida prueba de esfericidad.

 

 

Ahora, a tu última pregunta sobre eta al cuadrado parcial. No podrá obtener los valores particulares que necesita de este resultado, pero los podrá obtener con una ligera reestructuración de sus datos y luego ejecutando este modelo a través de Fit Model de una manera diferente.

 

Primero, usaremos Tablas > Apilar para apilar sus datos. Le indicaremos a jmp que apile sus tres columnas de tiempo y luego etiquete las columnas apropiadamente en el cuadro de diálogo:

Esto devuelve una tabla donde las mediciones repetidas se encuentran en filas en lugar de columnas separadas (conjunto de datos adjunto aquí):

A continuación, volveremos a Analizar > Ajustar modelo, pero en lugar de especificar varias columnas Y, definiremos completamente su estructura repetida en la sección de efectos del modelo y utilizaremos su columna user_id para indicarle a JMP que hay un efecto aleatorio. presente. Para hacer esto, primero agregaremos un factorial completo de sus efectos "fijos", programa académico y tiempo, y luego agregaremos user_id, y con él seleccionado, haga clic en el triángulo rojo al lado de los atributos y seleccione aleatorio. Esto le indicará a JMP que este efecto es aleatorio (que es lo que siempre son los sujetos). Para ser completamente formal, debemos decirle a jmp que sus materias están anidadas dentro de las condiciones entre materias, por lo que seleccionamos el factor user_id en los efectos del modelo, luego seleccionamos el programa académico en la lista de columnas y luego hacemos clic en "anidar".Finalmente, si desea ejecutar este modelo de una manera que le proporcione SS para su cálculo de eta al cuadrado, cambie el "Método" en la parte superior derecha a EMS Tradicional (volveré a esta elección en un minuto). Su cuadro de diálogo debería verse así:

Al hacer clic en Ejecutar, obtendrá el resultado tradicional de medidas repetidas de cuadrados medios esperados con todos los términos que necesita para calcular eta cuadrado parcial:

 

Al cambiar su método a EMS, le estaba diciendo a JMP que calculara este modelo utilizando los cuadrados medios esperados, una forma tradicional y antigua de ajustar estos modelos de medidas repetidas. El valor predeterminado original, REML, es el método preferido (por muchas razones estadísticas) para estos modelos y devolvería modelos lineales de efectos mixtos. Si tiene datos completos, un modelo mixto y un modelo ems devolverán valores p idénticos. Cuando faltan datos (al azar), el modelo mixto superará al EMS. Por esta y otras razones, ciertamente recomendaría REML sobre EMS, aunque no podrá calcular una medida sencilla del tamaño del efecto para sus factores (si está interesado, puede leer sobre la controversia sobre los tamaños del efecto en modelos de efectos mixtos). .

 

Si desea simplificar la especificación de estos modelos de medidas repetidas mediante un enfoque de modelo mixto, puede descargar mi complemento de medidas repetidas factorial completo aquí: Complemento de medidas repetidas . El único requisito es que sus datos estén en formato alto/apilado (lo que hicimos anteriormente).

 

¡Espero que esto ayude!

 

@Julian