<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Je crois que j'ai configuré la table de données de manière incorrecte. Ce que je voudrais faire est de lancer une analyse multivariée sur ces données. Je voudrais déterminer les principaux effets de la souche bactérienne (CE vs SE) et le type de surface (notes vs contrôle) dans le temps. J'aimerais donc voir s'il y a une différence significative entre les souches et si les chiffres sont significativement différents entre le contrôle et les notes et les chiffres diminuent avec le temps. Tout conseil serait grandement apprécié, merci beaucoup, Mark
Salut mkrb,
Comme Lou l'a suggéré, un format empilé de ces données sera plus facilement analysable. Il semble qu'un modèle linéaire à effets mixtes serait approprié dans cette situation. Si vous utilisez JMP Pro 11, vous pouvez utiliser la nouvelle personnalité de modèle mixte dans Fit Model, ou si vous n'utilisez pas Pro ou utilisez une version antérieure de JMP, vous pouvez toujours créer le modèle mixte avec des moindres carrés standard en cochant effets aussi aléatoires. Voici les étapes que j'ai suivies pour générer cette analyse:
1. Pour empiler les données, j'ai utilisé Tables> Stack. J'ai ensuite ajouté les quatre colonnes de réponse à la section "Colonnes de pile" et renommé "Données" en "Y" et "Étiquette" en "Condition".
2 Nous devons séparer les niveaux de vos deux facteurs (Ec vs Se et notes vs contrôles) si nous souhaitons les analyser de manière factorielle. Nous pouvons accomplir cela en utilisant deux fois Cols> Recode pour créer deux nouvelles variables. Sélectionnez d'abord la colonne "Condition" dans le jeu de données, puis sélectionnez Cols> Recode. Voici les copies d’écran du recodage que j’ai fait et assurez-vous de sélectionner "Nouvelle colonne" plutôt que "En place" pour la nouvelle colonne (sinon, les valeurs seront écrasées). Cela va créer deux nouvelles colonnes avec les niveaux de chaque facteur indépendamment. Ceci est important lorsque nous définissons le modèle mixte ultérieurement.
3 Renommez les deux nouvelles colonnes pour avoir des noms raisonnables. J'utilise une souche bactérienne et une surface.
4 Nous pouvons maintenant définir le modèle mixte, qui tiendra compte (c'est-à-dire explicitement du modèle) de la dépendance statistique entre les points de données (introduit en prenant des observations répétées sur la même unité expérimentale). Nous utiliserons Analyser> Adapter le modèle. À partir de ce moment, vous pourrez adapter différents modèles, chacun avec ses propres hypothèses sur la structure de covariance des données. J'aime commencer par un modèle maximal avec des pentes aléatoires et des intersections pour les unités expérimentales à travers la structure fixe. Des études de simulation ont montré que ces modèles généralisaient mieux (par exemple http://www.sciencedirect.com/science/article/pii/S0749596X12001180 ) et j’aperçois que la signification de l’erreur de dénominateur dans chaque test est plus interprétable (par exemple, le degré auquel l’ampleur d’un effet ou d’une interaction diffère d’une unité expérimentale à l’autre). Voici les étapes générales à suivre pour produire un tel modèle lorsque l'ensemble de votre structure expérimentale est répliquée pour chaque unité expérimentale (c'est ce que vous avez ici - chaque réplique est mesurée à tous les niveaux expérimentaux). Cette heuristique n'est pas appropriée lorsque des unités sont imbriquées dans d'autres facteurs.
une. Factorielle complète (macro) de seulement vos facteurs fixes (ou tri factoriel , qui produira une liste ordonnée)
b. Factorielle complète (macro) de vos facteurs fixes ET de votre unité expérimentale (JMP ne dupliquera pas les termes, cela ne produira que les sources des unités expérimentales et se croisera avec les unités expérimentales). Assurez-vous que la colonne identifiant les unités individuelles est modélisée comme Nominal.
c. Marquez tous les effets associés à votre unité expérimentale comme Effet Aléatoire
ré. Supprimez les termes pour lesquels vous n'avez pas de degrés de liberté à adapter *
* Ceci est en fait facultatif. JMP est suffisamment intelligent pour savoir quand un effet est confondu avec une erreur résiduelle et supprimera ces termes du modèle.
Ce qui précède est plus simple qu'il n'y paraît lorsqu'il est écrit. Voici une courte vidéo de moi définissant le modèle avec vos données:
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-1oNWQ5ODE6n7-56cn_Flc-y1Krjm0CuBw400h300r114', '1oNWQ5ODE6n7-56cn_Flc-y1Krjm0CuB', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});(voir dans Mes vidéos)
5 Cliquez sur Courir et vous verrez les résultats de l'analyse. le Effets fixes Cette section est probablement la plus intéressante.
J'aime allumer le Profiler du haut Triangle rouge menu >> Profil de facteur >> Profiler . J'aime aussi allumer le LSMeans parcelles pour chaque facteur, qui peut être déployé en élargissant la Détails de l'effet section, puis sous la Triangles rouges pour chaque source, vous pouvez activer les graphiques et demander des tests supplémentaires. Si vous souhaitez activer tous les tracés en même temps, maintenez la touche Ctrl enfoncée avant de cliquer sur le triangle rouge pour activer un tracé. Une fois que vous avez demandé le tracé, vous pouvez le laisser aller, ce qui indiquera à JMP que vous souhaitez diffuser la commande. Si vous êtes sur un Mac, vous utiliserez la touche de commande.
J'ai joint le jeu de données restructuré avec des scripts enregistrés pour l'analyse.
J'espère que ça aide!
julien
Il est difficile de comparer deux données chronologiques (personnellement, je ne sais pas comment le faire dans JMP). Veuillez vérifier le fichier créé, les scripts y étant sauvegardés. Est-ce ce que tu voulais faire?
Peut-être que votre table de données doit être empilée? Tables> Pile
