Bonjour,
J'espère pouvoir obtenir de l'aide pour résoudre un problème que JMP pourrait gérer, mais que je ne suis pas assez expérimenté pour le faire moi-même à l'heure actuelle ...
J'essaie de comparer les pentes des droites de régression et de tester une différence significative avec une valeur p résultante dans des cas plus complexes qu'une simple comparaison 1: 1 de 2 pentes.
Afin de rendre cela plus facile pour moi de décrire le problème, puis de comprendre et d'interpréter les suggestions, j'ai joint un fichier JMP contenant une structure de données typique pour le problème. Ce problème provient du secteur pharmaceutique et implique la comparaison des pentes des taux de dégradation des médicaments après des conditions difficiles (3 températures distinctes, 5, 25 et 40 ° C) au fil du temps. La comparaison des pentes se fait entre les lots produits sur chacun des deux sites / sites. La question est de savoir s'il existe une différence de pente significative d'un paramètre de dégradation spécifique (données pour les paramètres 1-3 donnés ici) à une température spécifique (5 ° C pour le premier cas, puis 25 et 40 ° C séparément) entre le lot 1 et le lot 2. (de même pour le lot 3 vs le lot 4).
Je semble obtenir les résultats escomptés pour des cas simples (c.-à-d. Lot 1 vs 2 uniquement), mais pas lorsque> 1 lot d'un site est impliqué (plusieurs forces du produit comme indiqué ici), ce qui suggère une mise en commun des données ou des erreurs. , ce que je ne fais pas. Dans ces cas, on peut supposer que les lots qui diffèrent par la force sont chimiquement comparables (et éventuellement regroupés, lots 1 et 3, ainsi que 2 et 4 ou potentiellement tous les 4).
Je suis sûr que les tests d'acceptabilité de la mise en commun des données / erreurs pour les lots existent, après quoi un modèle peut être analysé de manière similaire au cas plus simple 1: 1, cependant, je ne connais pas les approches pour commencer sur cette voie. ...
Toutes les réflexions sur la stratégie générale (lorsque la mise en commun est autorisée, etc.), ainsi que les étapes spécifiques de JMP pour effectuer ce type de comparaisons plus complexes et de vérifications ou d’hypothèses de test, seraient grandement appréciées.
Je vous suggère de regarder vos données globalement en utilisant un graphe de variabilité. La première figure représente le paramètre n ° 3. La dégradation n'est pas exactement linéaire. La figure 2 illustre le paramètre n ° 1; toutefois, j'ai fait glisser Timepoint comme première variable de regroupement. Les résultats pour la semaine 6 semblent étranges. Si cela ne ressemble pas à une variation aléatoire, mais éventuellement à une erreur de métrologie ou d'étalonnage?
J'aime regarder les données avant de commencer toute analyse, pour rechercher des anomalies de données. Le script pour les graphiques de variabilité est joint.
Figure 1 - Parameter #3Figure 1 - Paramètre n ° 3
Figure 2 - Parameter #1, see week 6Figure 2 - Paramètre n ° 1, voir semaine 6
Je vous recommande d’utiliser les moindres carrés ajustés ( Analyser > Modèle ajusté ) avec un prédicteur linéaire comprenant l’interception, X, Batch et X * Batch. Ce modèle testera si la pente pour X dépend de Batch. Si tel est le cas, vous pouvez utiliser des tests post-hoc pour poser des questions sur des lots particuliers.
Voir Aidez-moi > Livres > Montage de modèles linéaires pour plus de détails.
