MANOVA 반복 측정 해석안녕하세요 멋진 여러분!
저는 생애 처음으로 JMP에서 MANOVA를 사용해 보았습니다! 데이터 테이블에 MANOVA 분석이 저장된 파일을 첨부했습니다. 어떤 이유에서인지 응답 사양(반복 측정으로 설정)을 저장할 수 없습니다. * 이 설정도 저장하는 방법을 아시는 분 계시면 알려주세요..
2가지 질문에 답변하는 데 도움이 필요합니다.
1. 세 학계의 변화에 차이가 있는지 살펴보고 있습니다. 어떤 열을 찾아야 합니까? 확실히 시간의 영향이 있습니다.
그런데 Between Subjects의 [All Between]과 [academic_program_new] 칼럼을 봐야 할지, Within Subjects의 [Time*academic_program_new] 칼럼을 봐야 할지 헷갈립니다.
2. 부분 에타제곱은 어떻게 계산하나요? 수동 계산은 마음에 들지 않지만 SS 오류는 표시되지 않습니다.
미리 감사드립니다!
Re: MANOVA 반복 측정 해석안녕 @seoleelvjs ,
물론 나를 괴롭히지는 않습니다! 도표 및 분석(JMP 전체)을 위한 수준의 순서는 관심 있는 열의 값 순서 속성을 기반으로 합니다. 사용자가 특별히 순서를 정의하지 않은 경우 해당 열의 수준은 기본적으로 알파벳순으로 정렬됩니다. 상황에 유용한 순서를 지정할 수 있도록 기본 알파벳 순서를 재정의하려면 테이블에서 열을 마우스 오른쪽 버튼으로 클릭하고 열 정보로 이동합니다. 시간 열의 열 정보에 있으면 왼쪽 하단의 열 속성 드롭다운을 클릭하고 "값 순서 지정"을 선택합니다. 그러면 열 정보(아래 표시)에 값 순서 제어판이 표시됩니다. 이제 열 수준을 다시 정렬할 수 있습니다. 이 변경 사항은 적합 모델의 출력에 영향을 미칠 뿐만 아니라 열 수준의 순서를 표시해야 하는 모든 출력에도 영향을 미칩니다.
줄리안
Re: MANOVA 반복 측정 해석계속 귀찮게 해서 죄송합니다만, 간단한 질문 하나만 드리겠습니다.
LS는 아래에서 볼 수 있듯이 플롯이 다소 반전된 시점 이름을 제공한다는 것을 의미합니다. 적절한 발표 방법은 사전 > 사후 > 30일입니다.
아래는 JSL입니다. 제가 모르는 어떤 설정이 있는 걸까요?
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 )} )
)
)
미리 감사드립니다!
Re: MANOVA 반복 측정 해석다시 한번 감사드립니다 
당신과 당신의 개발자 팀이 마법을 계속 이어가길 바랍니다!Re: MANOVA 반복 측정 해석천만에요! 도움이 되었다니 기쁘네요.
예, 제가 작성한 추가 기능은 *동일한* 선형 혼합 효과 모델 분석(REML을 통해 적합)을 호출합니다. JMP는 이미 Fit Model 대화 상자를 통해 이러한 모델을 적합시킬 수 있으므로 이 추가 기능은 효과를 정의한 후 이 플랫폼을 채용하는 것뿐입니다. 제가 추가 기능을 작성한 주된 이유는 요인적으로 교차되는 여러 주제 내 및/또는 주제 간 요인이 있는 경우 이러한 모델 설정을 단순화하기 위한 것입니다. 이러한 경우 올바른 모델 효과와 상호 작용을 모두 정의하는 것이 약간 번거로울 수 있으므로 이를 처리하는 추가 기능이 있으면 유용할 것이라고 생각했습니다. 나는 확실히 이 모델에 맞는 코드에 대해 공로를 인정할 수 없습니다! 그 마법은 JMP를 만든 정말 놀라운 개발자 팀에 의해 수행됩니다.
@줄리안
Re: MANOVA 반복 측정 해석자세한 솔루션과 철저한 단계별 설명에 진심으로 감사드립니다! 정말 감사드립니다...
데이터가 누락된 대상을 삭제하지 않고 세 가지(REML, EMS 및 MANOVA)를 시도했는데 각각 다른 결과가 나타났습니다. 설명하신 대로 이해가 됩니다. EMS보다 REML을 사용하는 것에 대한 귀하의 조언을 주저하지 않을 것입니다...REML이 관계에 대한 더 정확한 묘사를 보여주는 것 같습니다(LS가 플롯을 의미하는 것을 보면 알 수 있습니다... LS의 약간의 차이는 MANOVA보다 다른 기간의 그룹 간 평균을 의미하며 누락된 데이터에 대한 탄력성이 더 높습니다.
마지막 질문입니다. REML과 귀하가 제공한 추가 기능은 본질적으로 동일한 모델입니까?
Re: MANOVA 반복 측정 해석다시 안녕 @seoleelvjs ,
후속 조치로 귀하의 경우 완전한 데이터가 없기 때문에(일부 대상의 특정 시점에 대한 관찰이 누락됨) 이러한 다양한 분석의 결과가 동일하지 않을 것이라는 점을 언급해야 한다고 생각했습니다. . 각 분석은 서로 다른 방식으로 데이터에 접근하기 때문에 누락이 다르게 처리되어 결과가 달라집니다. 이러한 방법의 관계(및 각 출력에서 관련 결과가 있는 위치 간의 연결)를 확인할 수 있도록 누락된 데이터가 있는 모든 대상을 제거하는 데이터 세트 버전을 만들었습니다(따라서 모든 개인에 대한 완전한 데이터가 있습니다). 이 세 가지 분석(MANOVA, EMS, REML)을 실행하면 동일한 결과를 얻을 수 있습니다.아래는 관련 영역이 표시된 스크린샷입니다. 이게 도움이 되길 바란다!
-줄리안
Re: MANOVA 반복 측정 해석안녕 @seoleelvjs ,
귀하의 테이블에서 Manova 스크립트를 실행할 수 있었고 귀하가 지정한 반복 응답이 잘 재현되었습니다. 저장된 스크립트에서 해당 jsl을 볼 수 있습니다.
Response Function( "Sum", Repeated( 1 ), Title( "Between Subjects" ) ),
Response Function(
"Contrast",
Repeated( 2 ),
Prefix( "Time*" ),
Title( "Within Subjects" )
)
해석에 관해서는 Manova의 출력이 약간 장황해 보인다는 것을 알고 있지만 일단 어디를 봐야 할지 알면 쉬울 것입니다! 시간의 과목 내 효과(평균이 이전/사후/30일과 다르다는 증거가 있는지 여부, 학업 프로그램 평균)에 대해 F 및 관련 DF 및 p 값에 대한 시간 섹션을 살펴보세요.
학업 프로그램 테스트(프로그램의 평균이 시간 경과에 따라 다른지 여부)를 보려면 "academic_program_new" 아래의 과목 간 섹션을 살펴보세요.
과목 내 요인과 과목 간 요인 사이의 상호 작용에 대해, 시간 효과가 다양한 학업 프로그램에 따라 다르다는 증거가 있는지 여부(또는 동등하게 학업 프로그램 차이가 다르고 시점이 다르다는 증거가 있는지 여부)에 대한 테스트는 다음을 살펴보십시오. Time*academic_program_new 아래의 과목 내 섹션에서 사용할 다변량 f 통계를 선택하십시오(해당 분야에서 가장 일반적인 것은 무엇이든 -- 아마도 Lambda일 것입니다).
부분 에타 제곱을 계산하기 전에 몇 가지 추가 참고 사항이 있습니다. 요청하신 출력은 여러 개체 내 응답에 걸쳐 선형 대비를 구성하는 진정한 다변량 분산 분석을 위한 것입니다. 이러한 테스트는 전통적인 일변량 반복 측정 테스트가 아닙니다. 일변량 반복 측정 테스트(SPSS 반복 측정에서 얻을 수 있는 결과)를 요청하려는 경우 반복 대비를 호출할 때 그렇게 할 수 있습니다. 단변량 테스트에 대한 확인란도 선택하면 됩니다.
이렇게 하면 각 섹션에서 추가 출력을 받게 됩니다. 각 주제 내 테스트에는 수정되지 않은 Univar 테스트와 엡실론 수정된 테스트가 모두 있습니다. 친숙한 구형성 테스트도 있습니다.
이제 부분 에타 제곱에 대한 마지막 질문입니다. 이 출력에서 필요한 특정 값을 얻을 수는 없지만 데이터를 약간 재구성한 다음 Fit Model을 통해 이 모델을 다른 방식으로 실행하면 됩니다.
먼저 테이블 > 쌓기를 사용하여 데이터를 쌓겠습니다. 우리는 jmp에게 세 개의 시간 열을 쌓도록 지시한 다음 대화 상자에서 열에 적절하게 레이블을 지정합니다.
그러면 반복 측정값이 별도의 열이 아닌 행 전체에 걸쳐 있는 테이블이 반환됩니다(여기에 첨부된 데이터 세트).
다음으로 분석 > 적합 모델로 돌아가서 여러 Y 열을 지정하는 대신 모델 효과 섹션에서 반복 구조를 완전히 정의하고 user_id 열을 활용하여 JMP에 무작위 효과가 있음을 알립니다. 현재의. 이를 위해 먼저 "고정" 효과, 학업 프로그램 및 시간의 전체 계승을 추가한 다음 user_id를 추가하고 이를 선택한 상태에서 속성 옆의 빨간색 삼각형을 클릭하고 무작위를 선택합니다. 이렇게 하면 이 효과가 무작위 효과(피험자가 항상 그렇듯이)라는 것을 JMP에 알릴 수 있습니다. 완전히 공식화하려면 과목이 과목 간 조건 내에 중첩되어 있음을 jmp에 알려야 하므로 모델 효과에서 user_id 요소를 선택한 다음 열 목록에서 교육 프로그램을 선택한 다음 "중첩"을 클릭합니다.마지막으로 에타 제곱 계산에 SS를 제공하는 방식으로 이 모델을 실행하려면 오른쪽 상단의 "방법"을 EMS 전통으로 변경합니다(이 선택에 대해서는 잠시 후에 다시 설명하겠습니다). 대화 상자는 다음과 같아야 합니다.
실행을 클릭하면 부분 에타 제곱을 계산하는 데 필요한 모든 항이 포함된 전통적인 예상 평균 제곱 반복 측정 출력을 얻을 수 있습니다.
방법을 EMS로 변경함으로써 JMP에서는 이러한 반복 측정 모형을 맞추는 전통적이고 오래된 방법인 기대 평균 제곱을 사용하여 이 모형을 계산하게 되었습니다. 원래 기본값인 REML은 이러한 모델에 대해 (많은 통계적 이유로) 훨씬 선호되는 방법이며 선형 혼합 효과 모델을 반환합니다. 완전한 데이터가 있는 경우 혼합 모델과 ems 모델은 동일한 p-값을 반환합니다. 누락된 데이터(무작위)가 있는 경우 혼합 모델이 EMS보다 성능이 뛰어납니다. 이 이유와 다른 이유로 인해 EMS보다 REML을 권장합니다. 그러나 요인에 대한 쉬운 효과 크기 측정을 계산할 수는 없습니다(관심이 있는 경우 혼합 효과 모델의 효과 크기에 대한 논쟁을 읽을 수 있음). .
혼합 모델 접근 방식을 통해 이러한 반복 측정 모델의 사양을 단순화하려면 여기에서 전체 요소 반복 측정 추가 기능을 다운로드할 수 있습니다. 반복 측정 추가 기능 . 유일한 요구 사항은 데이터가 긴/스택 형식이어야 한다는 것입니다(위에서 수행한 작업).
이게 도움이 되길 바란다!
@줄리안
