Comparaison par paires sur le terme d'interactionJ'aimerais savoir si est-ce possible et comment effectuer des comparaisons par paires sur un terme d'interaction lorsque celui-ci se situe entre une catégorie et une variable continue. Dans Jmp, je n'ai trouvé que des comparaisons multiples pour l'effet mai. Merci.Re : Comparaison par paires sur le terme d'interaction@julien de rien, merci de l'avoir publié !- Je le lie ici dans le but de permettre à toute personne visitant cet article de consulter facilement : https://www.youtube.com/watch?v=k3zk45WrmUI
Je les ai tous appréciés et ce serait formidable, en tandem avec le blog que vous envisagez, de continuer à en créer davantage de temps en temps : je suis sûr que je ne suis pas le seul dans la communauté à en bénéficier énormément. .
Votre réponse est logique, alors merci pour cela, je vois comment la différence résultante dans le calcul de la moyenne LS a affecté le rapport F résultant (et la valeur p ultérieure) entre ces deux analyses.En fait, il ne m'est jamais venu à l'esprit que la plate-forme de modèle d'ajustement dans le contexte de ces tests de contraste calculait une moyenne LS, même si j'aurais dû le savoir mieux puisque j'ai utilisé les moyennes LS pour interpréter les différences relatives entre les groupes dans le contexte d'un OLS. modèle de régression dans Fit Model plusieurs fois auparavant.
Mais j'ai continué à lutter au fil des années pour développer une compréhension suffisamment décente de la différence entre la moyenne LS et la moyenne régulière - et donc de manière à pouvoir l'expliquer aux autres.C'est la meilleure référence que j'ai pu trouver largement disponible sur Internet.http://onbiostatistics.blogspot.com/2009/04/least-squares-means-marginal-means-vs.html
De plus, est-il vrai que les moyennes LS ont tendance à être plus proches que les moyennes réelles (en supposant une structure de données déséquilibrée) et nous devons donc faire attention à ne pas commettre une erreur de type II (ne pas détecter une différence alors qu'il y en a réellement une) pour interpréter les différences entre eux ?J'ai essayé cela sur les exemples de données suggérés par JMP (Drug.jmp de l'index statistique "Exécuter l'exemple" associé au sujet "moyennes des moindres carrés"), et j'obtiens des différences plus petites dans le cas des moyennes LS par rapport au cas des moyennes LS. .la norme signifie que, dans ce cas, il y a des tailles d'échantillon égales entre les groupes (voir l'image ci-jointe des résultats d'analyse pertinents et des calculs dans MS Excel).
Enfin, pensez-vous que nous pourrions travailler ensemble pour proposer un bel exemple prototypique (utilisant des données simulées ou des données déjà dans un répertoire d'échantillons) qui exprime clairement et pratiquement la différence conceptuelle entre les moyennes LS et les moyennes régulières ?
Je suis ouvert aux idées ! (et je serais heureux de publier dans une discussion distincte sur la communauté si cela a plus de sens).
@PatrickGiuliano
Re : Comparaison par paires sur le terme d'interactionSalut @PatrickGiuliano ,
Excellentes questions !
Estimation de la différence moyenne : vous avez raison, l'estimation des différences moyennes y est un peu différente, et j'ai ici passé sous silence une complexité. Lorsque vous n'avez pas de groupes de taille égale, comme c'est le cas ici (il existe un nombre différent d'états dans chacune des régions), les moyennes des moindres carrés dans un modèle ANOVA différeront des moyennes que vous calculeriez en additionnant les observations. dans le groupe et en divisant par le nombre d'individus dans le groupe. Vous pouvez en savoir plus sur les estimations de LSMeans dans la documentation JMP ou ailleurs, mais plus brièvement, il s'agit de marges de population prévues, estimations des moyennes marginales dans une population équilibrée. Alors, t C'est là l'origine de cette différence - lorsque nous recodons les groupes et calculons une différence basée sur ces LSmeans, ce sera différent de l'estimation d'abord des LSmeans puis de la moyenne de celles-ci. Si la taille des groupes était égale, il n’y aurait aucune différence.
C'est une incohérence regrettable que vous avez remarquée dans mon exemple mal choisi 
Même si le MSE est plus petit dans l'exemple utilisant les contrastes, il devrait être basé sur ce que je disais (39,954 contre 40,126, et vous pouvez trouver ce MSE dans le tableau ANOVA standard - un contraste utilise le MSE du modèle) car le la différence moyenne est légèrement plus grande dans l'exemple où nous avons recodé (pour la raison ci-dessus), le rapport F finit par être plus grand dans cet exemple. Ce n'est pas le meilleur exemple, j'aurais vraiment dû utiliser un ensemble de données où les groupes sont de tailles égales, ou un autre où l'avantage conféré par l'utilisation des contrastes plutôt que du recodage était plus substantiel (ce qui est généralement le cas).Je choisirai certainement un exemple différent pour le prochain blog. Merci d'avoir regardé si attentivement cette vidéo !
@julien
Re : Comparaison par paires sur le terme d'interactionSalut @julien Oui, c'est super, merci, c'est vraiment un bon début et j'attends avec impatience l'article du blog. J'espère que cela ne vous dérange pas si je pose d'autres questions pendant que j'étudie et réfléchis à votre commentaire dans cette vidéo.
Pour commencer : je suis curieux de connaître l'exemple de la démographie américaine que vous avez montré dans le contexte de la comparaison des régions S et W par rapport aux régions MW et NE en utilisant un contraste spécifié, par rapport au simple recodage en regroupant S/W et M/NE dans Groupe 1 et Groupe 2 respectivement, puis exécution d'une ANOVA.Quelques choses que j'ai observées m'ont un peu perplexe : pourquoi l'estimation de la différence moyenne est-elle de 7,2929 dans le panneau Contrastes, alors que dans l'ANOVA, elle est de 7,310 ?Je sais que la différence est très très faible, mais la moyenne est-elle calculée légèrement différemment ici ?
Je sais que vous avez mentionné que la moyenne ne change PAS, ce sont les écarts qui sont calculés différemment !Et à ce point, dans cet exemple, nous observons un rapport F du panneau Contrastes de 16,5530 par rapport à un rapport F de 16,6194 en utilisant l'ANOVA sur le n recodé (regroupé) de 2 groupes.Je vois le MSE dans la sortie ANOVA, il est 40,126.Je ne vois pas le MSE pour le test des contrastes dans Fit-Model, mais de toute façon ma question ici est la suivante : le rapport F pour le test des contrastes ne devrait-il pas être plus grand que pour l'ANOVA en raison d'une plus grande précision sur l'estimation de la MSE au dénominateur (et donc d'une plus petit MSE) ? Dans ce cas, c'est l'opposé de ce que je pensais qu'il serait toujours : plus petit pour le test des contrastes par rapport à l'ANOVA (je sais que la différence numérique est pratiquement négligeable mais cela me fait quand même remettre en question ma compréhension de ce que vous affirmez fondamentalement. ).Merci!
Re : Comparaison par paires sur le terme d'interactionSalut @PatrickGiuliano ,
Absolument! J'ai toujours l'intention d'écrire un blog à ce sujet, donc j'ai enregistré un rapide tutoriel présentant certaines des façons dont j'utilise les contrastes (ce que je peux faire plus rapidement), et je vais prendre du temps pour commencer à travailler sur un blog. qui couvre ces sujets plus en détail. J'espère que c'est un début utile !
@julien
https://youtu.be/k3zk45WrmUI
Re : Comparaison par paires sur le terme d'interactionSalut @julien ,
C'est très instructif merci pour ce contenu et pour votre explication !Je ne comprenais pas comment des contrastes spécifiés pouvaient être utilisés de cette manière, c'est-à-dire spécifiquement dans le contexte d'un prédicteur continu et d'un seul prédicteur catégoriel par rapport à une réponse continue.
J'ai regardé certains de vos précédents contenus en ligne ( https://youtu.be/3skUZZF-CuE ) où vous avez discuté de l'utilité générale de l'exécution de contrastes spécifiés.Pourriez-vous tenter de résumer les avantages (et les inconvénients) pratiques ici dans ce forum ?
Je souhaite mieux comprendre comment je peux utiliser les contrastes dans mes modèles de régression LS (exécutés dans Fit Model) pour tester des comparaisons spécifiques, et pourquoi - le cas échéant - faire ces comparaisons me donne quelque chose de différent ou de plus précieux que la simple interprétation du résultats de mes résultats de comparaisons multiples standard ? (Comparaisons détaillées par paires de Tukey HSD et/ou rapports de lettres de connexion) dans Fit Model ?
Merci, @PatrickGiuliano
Re : Comparaison par paires sur le terme d'interactionSalut @Sarettathepooh ,
Pouvez-vous expliquer un peu plus le type de comparaison qui vous intéresse ? Lorsque vous avez un facteur continu et un facteur catégoriel, le terme d'interaction est un test pour savoir si les différences entre les niveaux de votre facteur catégoriel diffèrent à différents niveaux de votre variable continue (ou alternativement et de manière équivalente, si la pente entre Y et votre X continu variable varie à différents niveaux de votre facteur catégoriel). Par exemple, dans un modèle prédisant le poids en fonction de l'âge, de la taille et de l'âge*taille (à partir de Big Class.jmp), nous pouvons voir l'interaction dans les deux sens avec le profileur de prédiction.
Maintenant, en ce qui concerne les comparaisons par paires, si vous souhaitez comparer les niveaux de votre facteur catégoriel, vous le ferez sous l'effet principal Triangle Rouge. Ces tests porteraient sur la réponse moyenne pour chaque niveau de la variable catégorielle au niveau moyen de la variable continue. Dans un modèle avec interaction, il devient important de se demander à quel niveau de la variable continue ces comparaisons sont faites. La moyenne est la valeur par défaut typique (et c'est ce que JMP fera à moins qu'on lui demande de faire autre chose). Si ce que vous recherchez est une comparaison des réponses moyennes pour les différents niveaux de votre facteur, à autre chose que le niveau moyen de la variable continue, vous ne trouverez pas ce test sous le terme d'interaction ; vous constatez plutôt que sous le même triangle rouge d'effet principal, mais en utilisant la commande LSMeans Contrast.Dans le gif ci-dessous, vous pouvez me voir comparer les enfants de 12 et 13 ans, mais à 70" de hauteur.
J'espère que ça aide!
@julien
