在 JMP® 軟體中分析重複測量數據 - 碩士論文範例
你好，
我想知道是否有人可以驗證我是否採取了正確的步驟來設置
重複測量的混合模型用於以下研究：
在我們的研究中，我們有兩組足球員（業餘與專業）。
兩組的每個球員都進行了 3 次身體測試（短期、長期實驗室測試、現場測試），每次測試在不同的日子進行。我們的結果測量是 VO2max（身體能力）。
目的：我主要是想比較業餘愛好者和專業人士每次體能測試的最大攝氧量。 （2x3 桌）
所以我想我應該使用雙向重複測量變異數分析。 在 JMP pro 12-> 混合模型中重複測量。
但我不確定在使用“分析”->“擬合模型”來達到我的目的時，哪個因素應該放入固定效應和/或隨機效應框中。
有人可以驗證我在下面最後兩張圖片中是否做了正確的事嗎？ （第一張圖片只是我數據中的一小部分。）
親切的問候，
湯瑪斯
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例一切順利。 我只是有點擔心我的 SEM 值。
在大多數參數中，例如 VO2max（見下圖），每組的 SEM 值都是相同的。 這是正常的嗎？
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例謝謝你提到它。 我嘗試了一下，確實，它對 p 值也有影響。
問候
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例我發現嵌套會影響你的估計。 不要嵌套，只需在每種運動員中將您的受試者唯一標記為 1-8，而不是 1-4。 我附加了一個包含正確資料層級的資料表和一個用於此分析的模型表腳本。
對於這個答案的延遲，我深表歉意。
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例否。移除交互固定效果。 其餘都是正確的！
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例所以我是這樣分析的：
感謝您和樂於助人的同事，
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例我和比我更聰明、更聰明、更漂亮的同事們進行了交談。 他們建議您不要像我建議的那樣估計交互項。 正如我發現的那樣，它會將主題與殘差混淆。
因此，回到開始，您最初的混合模型似乎畢竟是正確的選擇。具體來說，啟動一個混合模型，包括兩個主要的固定效應和隨機主題效應。 指出主題在其他兩個因素中的嵌套。 該規範應該可以做到。
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例好吧，我想我快到了。
第一的，
如果我想解決這個表：
我應該以雙向變異數分析的形式進行分析，而不需要重複測量。 因為重複因素（物理測試：短vs長vs場）不是相互比較的。
但如果我想這樣解決：
我應該將分析作為雙向變異數分析重複測量（因此是混合模型）。 因為重複因素（物理測試：短vs長vs場）是這樣相互比較的？
其次，所以我不應該將主題作為隨機效應納入？
三、事實主題嵌套在體能測試和等級所以我的「擬合模型」對話框應該如下所示？
親切的問候，
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例對於可能給您帶來的任何困惑，我深表歉意。
您的設計結構支援固定效應的雙向變異數分析。主題是隨機效應，但我不確定您是否可以將其與殘餘隨機效應分開估計。 我在上面輸入了您的範例並重複了您的混合模型分析。 注意主題是嵌套的之內運動員和體能測試。 在運行模型之前，應在「擬合模型」對話方塊中為此術語指示此嵌套。
（此時我無法包含圖像，因為插入圖片的對話框完全改變了。 我不知道如何使用它。）
我的估計主題方差歸零。
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例我現在有點困惑。 也許我應該更好地澄清整個研究。
我們測試了很多玩家。 這些玩家有些是職業選手，有些是業餘選手。 但我們對他們進行了分組測試。 例如，第一周，每個業餘愛好者在周一進行了 1 次測試，在同一週的星期二，每個專業人士進行了 1 次測試。 在第二週的周一，每個業餘愛好者都進行了另一項測試，同一周的周二，每個專業人士都進行了另一項測試。 最後，在第三週，每個業餘愛好者在周一進行了第三次測試，每個專業人士在周二進行了第三次測試。
現在我們想要測試不同等級（教導與業餘）之間的最大攝氧量是否有差異，並考慮不同類型的體能測試（短距離、長距離與野外）。
考慮到您之前的答案，我認為我的分析+數據應該如下所示。 我還添加了我想要解決的未來 2x3 表（我嘗試過一次）。
我是否仍然需要僅使用 2 向方差分析？
親切的問候，
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例我明白你的意思。 主體是一個阻塞結構，其效果是隨機的。 我認為將其作為隨機效應畢竟是有意義的。
我仍然不認為這項研究是「重複措施」的例子，但我的定義可能過於嚴格。 它只是帶有阻塞的雙向變異數分析。
考慮包括交互項，因為我認為它是可估計的，如果是這樣，可能會提供資訊。
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例我之所以考慮使用混合模型而不是雙向變異數分析，是因為 VO2max 值是基於重複測量。 例如，受試者 1 進行了三次測試，一項是短期測試（64.6 VO2max），一週後進行一項長期測試（54.7 VO2max），一週後再次進行現場測試（52.86 VO2max）。 其他科目也是如此。
這是否證明使用混合模型是合理的？
如果它證明了混合模型的合理性。 我應該離開隨機效應像你建議的那樣，盒子是空的？ 或填寫主題因素隨機效應盒子？
提前致謝。
親切的問候，
湯瑪斯
回覆：在 JMP® 軟體中分析重複測量數據 - 碩士論文範例我認為這項研究不需要重複測量分析。 它似乎只是一個雙向變異數分析：
V(O2max) = 攔截 + 水平 + 體能測試 + 水平 * 體能測試。 主題是您的殘差，因此您不需要輸入明確的術語來估計它。 在本例中，因子水準是交叉的，而不是嵌套的。
在這種情況下，您應該能夠使用標準最小平方法。
