<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Credo di aver impostato la tabella dei dati in modo errato. Quello che mi piacerebbe fare è eseguire un anays multivariato su questi dati. Vorrei determinare i principali effetti del ceppo batterico (CE vs. SE) e tipo di superficie (note vs. controllo) nel tempo. Quindi mi piacerebbe vedere se c'è una differenza significativa tra ceppo e se i numeri sono significativamente diversi tra il controllo e le note e i numeri diminuiscono nel tempo. Qualunque consiglio sarebbe molto apprezzato, grazie molte, Mark
Ciao mkrb,
Come suggerito Lou, un formato impilato di questi dati sarà più suscettibile di analisi. Sembra come se un modello lineare a effetti misti fosse appropriato in questa situazione. Se si utilizza JMP Pro 11, è possibile utilizzare la nuova personalità del modello misto in Fit Model, oppure se non si utilizza Pro o si utilizza una versione precedente di JMP, è comunque possibile eseguire il modello misto tramite minimi quadrati standard contrassegnando effetti casuali. Ecco i passaggi che ho seguito per generare quell'analisi:
1. Per impilare i dati, ho usato le tabelle> Stack. Ho quindi aggiunto le quattro colonne di risposta alla sezione "Colonne dello stack" e rinominato "Dati" in "Y" e "Etichetta" in "Condizione"
2. Abbiamo bisogno di separare i livelli dei due fattori (Ec vs Se e note vs controlli) se vogliamo analizzare questi fattori. Possiamo farlo usando due volte Cols> Recode per creare due nuove variabili. Prima seleziona la colonna "Condizione" nel set di dati e quindi seleziona Cols> Ricodifica. Ecco le schermate della ricodifica che ho fatto e assicurati di selezionare "Nuova colonna" più di "In Place" per la nuova colonna (altrimenti i valori verranno scritti sopra). Ciò che faranno è creare due nuove colonne che abbiano i livelli di ciascun fattore indipendentemente. Questo è importante quando definiamo il modello misto in seguito.
3. Rinominare le due nuove colonne con nomi ragionevoli. Sto usando ceppo batterico e superficie.
4. Possiamo ora definire il modello misto, che prenderà in considerazione (cioè modellerà esplicitamente) la dipendenza statistica tra i punti di dati (introdotti prendendo osservazioni ripetute sulla stessa unità sperimentale). Useremo Analizza> Adatta modello. Da questo punto in poi ci saranno diversi modelli che puoi adattare, ognuno con le proprie ipotesi sulla struttura di covarianza dei dati. Mi piace iniziare prima con un modello massimale con pendenze casuali e intercetta per le unità sperimentali attraverso la struttura fissa. Studi di simulazione hanno mostrato che questi modelli generalizzano meglio (es http://www.sciencedirect.com/science/article/pii/S0749596X12001180 ) e trovo che il significato dell'errore denominatore in ogni test sia più interpretabile (ad esempio il grado in cui l'entità di un certo effetto o interazione differisce tra le unità sperimentali). Ecco i passaggi generali per produrre un tale modello quando la tua intera struttura sperimentale viene replicata per ogni unità sperimentale (che è ciò che hai qui - ogni replica è misurata su tutti i livelli sperimentali). Questa euristica non è appropriata quando hai unità annidate all'interno di altri fattori.
un. Completo fattoriale (macro) solo dei tuoi fattori fissi (o fattoriale ordinato , che produrrà una lista ordinata)
b. Completo fattoriale (macro) dei tuoi fattori fissi AND unità sperimentale (JMP non duplica i termini, quindi questo produce solo le fonti per le unità sperimentali e incrocia con le unità sperimentali). Assicurarsi che la colonna che identifica le singole unità sia modellata come nominale.
c. Segna tutti gli effetti associati alla tua unità sperimentale come Effetto casuale
d. Rimuovi i termini per cui non hai i gradi di libertà adatti *
* Questo è in realtà opzionale. JMP è abbastanza intelligente da sapere quando un effetto è confuso con l'errore residuo e rimuoverà quei termini dal modello.
Quanto sopra è più semplice di quanto sembri quando è stato scritto. Ecco un breve video di me che definisce il modello con i tuoi dati:
<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"});(visualizza in I miei video)
5. Clic Correre e vedrai i risultati dell'analisi. Il Effetti fissi la sezione è probabilmente di maggior interesse.
Mi piace accendere il Profiler dall'alto Triangolo rosso menu >> Factor Profiling >> Profiler . Mi piace anche accendere il Grafici LSMeans per ogni fattore, che può essere distribuito espandendo il Dettagli sull'effetto sezione, e quindi sotto il Triangoli rossi per ogni fonte è possibile attivare i grafici e richiedere ulteriori test. Se si desidera attivare tutti i grafici contemporaneamente, tenere premuto il tasto CTRL prima di fare clic sul triangolo rosso per attivare un grafico. Una volta che hai richiesto la trama, puoi lasciarla andare e questo dirà a JMP che vuoi trasmettere il comando. Se sei su un mac, userai il tasto comando.
Ho allegato il set di dati ristrutturato con gli script salvati per l'analisi.
Spero che questo possa essere d'aiuto!
giuliano
Confrontare i dati di due serie temporali è difficile (personalmente non so come farlo in JMP). Si prega di controllare il file attched, gli script salvati in esso. E 'questo quello che volevi fare?
Forse la tua tabella dati deve essere impilata? Tavoli> Stack
