Hallo,
Ich hoffe, ich kann Hilfe bei einem Problem bekommen, von dem ich mir vorstellen könnte, dass JMP damit umgehen kann, dass ich aber nicht genug Erfahrung habe, um mich selbst zu erledigen ...
Ich versuche, Steigungen von Regressionsgeraden zu vergleichen und einen Test auf einen signifikanten Unterschied durchzuführen, mit einem resultierenden p-Wert in Fällen, die komplexer sind als ein einfacher 1: 1-Vergleich von 2 Steigungen.
Um es mir leichter zu machen, das Problem zu beschreiben und die Vorschläge anschließend zu verstehen und zu interpretieren, habe ich eine JMP-Datei angehängt, die ein typisches Datenlayout für das Problem enthält. Dieses Problem stammt aus der Pharmaindustrie und beinhaltet einen Vergleich der Steigungen der Abbauraten für Arzneimittelprodukte nach Stressbedingungen (3 separate Temperaturen, 5, 25 und 40 ° C) im Zeitverlauf. Der Steigungsvergleich erfolgt zwischen Chargen, die an zwei Standorten hergestellt werden. Die Frage ist, ob zwischen Charge 1 und Charge 2 ein signifikanter Unterschied in der Steigung eines bestimmten Verschlechterungsparameters (Daten für die hier angegebenen Parameter 1-3) bei einer bestimmten Temperatur (5 ° C für den ersten Fall, dann 25 und 40 ° C) besteht (ebenfalls für Charge 3 vs. Charge 4).
Ich scheine die erwarteten Ergebnisse für einfache Fälle zu erhalten (dh nur Charge 1 vs. Charge 2), aber nicht, wenn> 1 Charge von einem Standort betroffen ist (dh mehrere Produktstärken, wie hier angegeben) was ich nicht mache. In diesen Fällen können wir davon ausgehen, dass Chargen, die sich in ihrer Stärke unterscheiden, chemisch vergleichbar sind (und möglicherweise gepoolt werden, also Charge 1 und 3 sowie 2 und 4 oder möglicherweise alle 4 Chargen).
Ich bin mir sicher, dass Tests für die Akzeptanz des Poolings der Daten / Fehler für die Stapel vorhanden sind. Danach kann ein Modell in ähnlicher Weise wie im einfacheren 1: 1-Fall analysiert werden. Ich kenne jedoch nicht die Ansätze, um auf diesem Weg zu beginnen ...
Alle Überlegungen zur allgemeinen Strategie (wenn Pooling zulässig ist usw.) sowie spezifische Schritte in JMP, um diese Arten komplexerer Vergleiche und Watchouts oder Testannahmen durchzuführen, werden sehr geschätzt.
Ich schlage vor, dass Sie Ihre Daten global mit einem Variabilitätsdiagramm betrachten. Die erste Abbildung zeigt Parameter # 3. Die Verschlechterung ist nicht genau linear. Abbildung 2 zeigt Parameter # 1, jedoch zog ich Timepoint als erste Gruppierungsvariable. Die Ergebnisse für Woche 6 sehen seltsam aus. Wenn dies nicht wie eine zufällige Variation aussieht, sondern möglicherweise ein Mess- oder Kalibrierungsfehler?
Ich schaue gerne zuerst Daten an, bevor ich mit der Analyse beginne, um nach Anomalien zu suchen. Das Skript für die Variabilitätsdiagramme ist beigefügt.
Figure 1 - Parameter #3Abbildung 1 - Parameter 3
Figure 2 - Parameter #1, see week 6Abbildung 2 - Parameter # 1, siehe Woche 6
Ich empfehle die Verwendung von Fit Least Squares ( Analysieren > Modell anpassen ) mit einem linearen Prädiktor, der Intercept, X, Batch und X * Batch enthält. Dieses Modell testet, ob die Steigung für X von der Charge abhängt. Wenn ja, können Sie Post-hoc-Tests verwenden, um nach bestimmten Chargen zu fragen.
Sehen Hilfe > Bücher > Lineare Modelle montieren für mehr Details.
