Hola,
Espero obtener ayuda con un problema que imagino que JMP puede manejar, pero que no tengo la experiencia suficiente para hacerlo yo mismo ...
Estoy tratando de comparar pendientes de líneas de regresión y realizar una prueba para una diferencia significativa con un valor p resultante en casos más complejos que una simple comparación 1: 1 de 2 pendientes.
Para facilitarme la tarea de describir el problema y luego entender e interpretar las sugerencias, adjunto un archivo JMP que contiene un diseño de datos típico para el problema. Este problema proviene de la industria farmacéutica e implica la comparación de las pendientes de las tasas de degradación de los productos farmacéuticos después de condiciones de estrés (3 temperaturas separadas, 5, 25 y 40 ° C) a lo largo del tiempo. La comparación de pendientes es entre lotes producidos en cada uno de los dos sitios / ubicaciones. La pregunta es si existe una diferencia significativa en la pendiente de un parámetro de degradación específico (datos para los parámetros 1-3 aquí presentados) a una temperatura específica (5 C, para el primer caso, luego 25 y 40C por separado) entre el Lote 1 y el Lote 2 (Del mismo modo para el lote 3 vs lote 4).
Parece que obtengo los resultados esperados para casos simples (es decir, solo Lote 1 vs Lote 2) pero no cuando se trata de> 1 lote de un sitio (es decir, múltiples fortalezas de producto como se indica aquí), lo que sugiere que se requiere una combinación de datos o errores , que no estoy haciendo. En estos casos, podemos suponer que los lotes que difieren según la resistencia son químicamente comparables (y posiblemente agrupados, por lo que los lotes 1 y 3, y también los 2 y 4 o potencialmente los 4 lotes).
Estoy seguro de que existen pruebas de la aceptabilidad de la agrupación de los datos / errores para los lotes, después de lo cual un modelo puede analizarse de manera similar al caso más simple 1: 1, sin embargo, no conozco los enfoques para comenzar por ese camino ...
Cualquier comentario sobre la estrategia general (cuando se permite la agrupación, etc.), así como los pasos específicos en JMP para realizar este tipo de comparaciones y alertas más complejas o suposiciones de prueba, serán muy apreciados.
Le sugiero que mire sus datos globalmente utilizando un Gráfico de variabilidad. La primera figura representa el Parámetro # 3. La degradación no es exactamente lineal. La Figura 2 muestra el Parámetro # 1, sin embargo, arrastré Timepoint para que sea la primera variable de agrupación. Los resultados para la semana 6 se ven extraños. ¿Si esto no parece una variación aleatoria, pero posiblemente un error de metrología o calibración?
Me gusta mirar los datos antes de comenzar cualquier análisis, para buscar anomalías en los datos. Se adjunta el guión para los gráficos de variabilidad.
Figure 1 - Parameter #3Figura 1 - Parámetro # 3
Figure 2 - Parameter #1, see week 6Figura 2 - Parámetro # 1, ver semana 6
Te recomiendo que uses Fit Least Squares ( Analizar > Modelo de ajuste ) con un predictor lineal que incluye el intercepto, X, Lote y X * Lote. Este modelo probará si la pendiente para X depende del lote. Si es así, entonces puede usar pruebas post hoc para preguntar sobre lotes particulares.
Ver Ayuda > Libros > Montaje de modelos lineales para más detalles.
