<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich glaube, ich habe die Datentabelle falsch eingerichtet. Ich möchte eine multivariate Analyse dieser Daten durchführen. Ich möchte die Hauptwirkungen des Bakterienstamms (EC vs. SE) und Art der Oberfläche (Noten vs. Kontrolle) über die Zeit. Ich würde also gerne sehen, ob es signifikante Unterschiede zwischen den Dehnungen gibt und ob sich die Zahlen zwischen Kontrolle und Noten deutlich unterscheiden und die Zahlen mit der Zeit abnehmen. Jeder Rat wäre sehr dankbar, Mark
Hi mkrb,
Wie Lou vorschlug, ist ein gestapeltes Format dieser Daten für die Analyse zugänglicher. Es scheint, als wäre ein lineares Modell mit gemischten Effekten in dieser Situation angemessen. Wenn Sie JMP Pro 11 verwenden, können Sie die neue Persönlichkeit des gemischten Modells in Fit Model verwenden. Wenn Sie nicht Pro verwenden oder eine frühere Version von JMP verwenden, können Sie das gemischte Modell immer noch durch Standard-Kleinstquadrate durch Markieren ausführen Effekte als zufällig. Hier sind die Schritte, die ich zur Erstellung dieser Analyse durchlaufen habe:
1 Um die Daten zu stapeln, habe ich Tables> Stack verwendet. Ich fügte dann die vier Antwortspalten zum Abschnitt "Stack Columns" hinzu und benannte "Data" in "Y" und "Label" in "Condition" um.
2 Wir müssen die Ebenen Ihrer zwei Faktoren (Ec vs. Se und Notes vs. Kontrollen) voneinander trennen, wenn wir diese Faktoren faktorisch analysieren möchten. Dies können Sie erreichen, indem Sie zweimal Cols> Recode verwenden, um zwei neue Variablen zu erstellen. Wählen Sie zuerst die Spalte "Bedingung" in der Datenmenge aus und wählen Sie dann Cols> Recode. Hier sind die Screenshots der von mir vorgenommenen Umcodierung, und Sie müssen "Neue Spalte" als "In Place" für die neue Spalte auswählen (andernfalls werden die Werte überschrieben). Dazu werden zwei neue Spalten erstellt, deren Stufen für jeden Faktor unabhängig voneinander sind. Dies ist wichtig, wenn wir das gemischte Modell später definieren.
3. Benennen Sie die beiden neuen Spalten um, um sinnvolle Namen zu erhalten. Ich benutze Bakterienstamm und Oberfläche.
4 Wir können nun das gemischte Modell definieren, das die statistische Abhängigkeit zwischen den Datenpunkten berücksichtigt (dh explizit modelliert) (durch wiederholte Beobachtungen derselben experimentellen Einheit eingeführt). Wir verwenden Analyze> Fit Model. Ab diesem Zeitpunkt wird es eine Reihe verschiedener Modelle geben, die Sie anpassen können, wobei jedes seine eigenen Annahmen über die Kovarianzstruktur der Daten hat. Ich beginne zuerst mit einem maximalen Modell mit zufälligen Steigungen und Abschnitten für die experimentellen Einheiten in der festen Struktur. Simulationsstudien haben gezeigt, dass diese Modelle besser verallgemeinert werden können (z http://www.sciencedirect.com/science/article/pii/S0749596X12001180 ) und ich finde die Bedeutung des Nennerfehlers in jedem Test deutlicher interpretierbar (z. B. der Grad, in dem sich die Stärke eines bestimmten Effekts oder der Interaktion zwischen den experimentellen Einheiten unterscheidet). Im Folgenden werden die allgemeinen Schritte beschrieben, um ein solches Modell zu erstellen, wenn Ihre gesamte experimentelle Struktur für jede experimentelle Einheit repliziert wird (wie Sie es hier haben - jedes Replikat wird auf allen experimentellen Ebenen gemessen). Diese Heuristik ist nicht angemessen, wenn Sie Einheiten in andere Faktoren geschachtelt haben.
ein. Volle Fakultät (Makro) von nur Ihren festen Faktoren (oder faktoriell sortiert , die eine geordnete Liste erzeugt)
b. Volle Fakultät (Makro) Ihrer festen Faktoren UND experimentellen Einheiten (JMP kopiert keine Ausdrücke, sodass nur die Quellen für die experimentellen Einheiten erzeugt werden und die experimentellen Einheiten gekreuzt werden). Stellen Sie sicher, dass die Spalte, die die einzelnen Einheiten identifiziert, als Nominal modelliert ist.
c. Markieren Sie alle mit Ihrer experimentellen Einheit verbundenen Effekte als Zufälliger Effekt
d. Begriffe entfernen, für die Sie keine Freiheitsgrade haben *
* Dies ist eigentlich optional. JMP ist intelligent genug, um zu wissen, wann ein Effekt mit einem Restfehler verwechselt wird, und diese Begriffe werden aus dem Modell entfernt.
Das obige ist einfacher als es aussieht, wenn es ausgeschrieben ist. Hier ist ein kurzes Video, in dem ich das Modell anhand Ihrer Daten definiere:
<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"});(in Meine Videos anzeigen)
5 Klicken Lauf und Sie sehen die Ergebnisse der Analyse. Das Fixe Effekte Abschnitt ist wahrscheinlich am interessantesten.
Ich mag das einschalten Profiler von oben Rotes Dreieck Menü >> Factor Profiling >> Profiler . Ich schalte auch gerne die ein LSMeans Diagramme für jeden Faktor, der durch die Erweiterung von bereitgestellt werden kann Effektdetails Abschnitt und dann unter der Rote Dreiecke Für jede Quelle können Sie die Diagramme einschalten und weitere Tests anfordern. Wenn Sie alle Diagramme gleichzeitig aktivieren möchten, halten Sie die Steuertaste gedrückt, bevor Sie auf das rote Dreieck klicken, um ein Diagramm zu aktivieren. Sobald Sie die Handlung angefordert haben, können Sie loslassen. Dies teilt JMP mit, dass Sie den Befehl übertragen möchten. Wenn Sie sich auf einem Mac befinden, verwenden Sie die Befehlstaste.
Ich habe das umstrukturierte Dataset mit für die Analyse gespeicherten Skripts angehängt.
Ich hoffe das hilft!
julianisch
Der Vergleich von zwei Zeitreihendaten ist schwierig (ich weiß nicht, wie man dies in JMP macht). Bitte überprüfen Sie die abgelegte Datei und die darin gespeicherten Skripte. Wolltest du das?
Vielleicht muss Ihre Datentabelle gestapelt werden? Tabellen> Stapel
