Ciao,
Spero di ottenere un aiuto con un problema che immagino possa essere gestito da JMP, ma che non sono abbastanza esperto per fare me stesso al momento ...
Sto cercando di confrontare pendenze delle linee di regressione e condurre un test per una differenza significativa con un valore p risultante in casi più complessi di un semplice confronto 1: 1 di 2 pendenze.
Per rendere più semplice per me descrivere il problema e quindi comprendere e interpretare i suggerimenti, ho allegato un file JMP contenente un layout di dati tipico per il problema. Questo problema proviene dall'industria farmaceutica e comporta il confronto delle pendenze dei tassi di degradazione per i prodotti farmaceutici dopo condizioni stressate (3 temperature separate, 5, 25 e 40C) nel tempo. Il confronto delle pendenze è tra i lotti prodotti in ognuno dei due siti / posizioni. La domanda è se esiste una differenza significativa nella pendenza di uno specifico parametro di degradazione (dati per i parametri 1-3 qui riportati) ad una temperatura specifica (5 C, per il primo caso, quindi 25 e 40C separatamente) tra il batch 1 e il batch 2 (allo stesso modo per Batch 3 vs Batch 4).
Mi sembra di ottenere i risultati attesi per i casi semplici (ad esempio, solo Batch 1 vs Batch 2) ma non quando è coinvolto> 1 lotto da un sito (cioè più punti di forza del prodotto come indicato qui), suggerendo un pool di dati o errori , che non sto facendo. In questi casi, possiamo supporre che i lotti che differiscono per forza sono chimicamente comparabili (e possibilmente raggruppati, quindi Batch 1 e 3, e anche 2 e 4 o potenzialmente tutti e 4 i lotti).
Sono sicuro che i test per l'accettabilità del pool di dati / errori per i lotti esistono dopo di che un modello può essere analizzato in modo simile al caso 1: 1 più semplice, tuttavia, non conosco gli approcci per iniziare questa strada ...
Qualsiasi idea sulla strategia generale (quando il raggruppamento è consentito, ecc.) Nonché i passaggi specifici in JMP per condurre questi tipi di confronti e visualizzazioni più complesse o ipotesi di test sarebbero molto apprezzati.
Ti suggerisco di guardare i tuoi dati a livello globale usando un grafico di variabilità. La prima figura raffigura il parametro n. 3. Il degrado non è esattamente lineare. La Figura 2 illustra il parametro n. 1, tuttavia, ho trascinato Timepoint per essere la prima variabile di raggruppamento. I risultati per la settimana 6 sembrano strani. Se questo non sembra una variazione casuale, ma probabilmente un errore di metrologia o calibrazione?
Mi piace esaminare i dati prima di iniziare qualsiasi analisi, cercare i dati anlomali. Lo script per i grafici di variabilità è allegato.
Figure 1 - Parameter #3Figura 1 - Parametro # 3
Figure 2 - Parameter #1, see week 6Figura 2 - Parametro n. 1, vedere la settimana 6
Ti consiglio di utilizzare i minimi quadrati adatti ( Analizzare > Fit Model ) con un predittore lineare che include l'intercetta, X, Batch e X * Batch. Questo modello testerà se la pendenza di X dipende da Batch. In tal caso, è possibile utilizzare i test post hoc per chiedere informazioni su determinati batch.
Vedere Aiuto > Libri > Montaggio di modelli lineari per ulteriori dettagli.
