Salut,
J'ai du mal à trouver la bonne façon d'obtenir les résultats dont j'ai besoin.
J'ai fait et expérimenté sur 20 sujets (les données pour le n°6 sont manquantes). Nous avons 5 périodes d'échantillonnage. Il y a des patients qui ont eu des complications et d’autres qui n’en ont pas eu. Nous avons les données normalisées par le 1er échantillon qui a été défini comme "1". Voir les données ci-jointes.
1) Si j'utilise le modèle unidirectionnel en faisant "échantillon" (c'est-à-dire 1 à 5) vs NL1st (la colonne avec les résultats), j'obtiens le modèle global et j'obtiens les comparaisons entre les différents temps d'échantillonnage (voir le script dans le tableau de données). Mais il ne s’agit pas de mesures répétées et il n’est pas possible de comparer celles avec et sans complications. Notez que j'ai utilisé à la fois des tests paramétriques et non paramétriques car l'hypothèse de normalité dans ce cas est suspecte.
2) Ainsi, je devrais utiliser MANOVA (je ne veux pas utiliser de modèle linéaire). J'ai transposé les données - voir ci-joint. Mais je me perds dans les détails sur la façon de l'exécuter, même après avoir passé quelques heures à parcourir la documentation d'assistance, et une partie de mon problème est de savoir comment interpréter les résultats fournis, où puis-je trouver la réponse à ma question. . Je connais suffisamment les statistiques pour comprendre mon problème et les solutions nécessaires, mais j'ai l'impression que JMP les porte à un niveau beaucoup plus élevé, donc je me perds parfois un peu dans toutes les sorties détaillées. Comme je l'ai dit, j'ai besoin des trois sorties détaillées ci-dessous, et si quelqu'un pouvait me soutenir pour expliquer cela, je serais très reconnaissant :
a) Existe-t-il des différences entre les différentes périodes d'échantillonnage dans leur ensemble ? Si je comprends bien le fonctionnement de JMP, il devrait s'agir de la statistique f entre les groupes pour la variable "temps" définie par JMP, n'est-ce pas ? (les groupes sont les 5 temps de prélèvement, pas les 19 patients). Si je comprends bien, la signification de l’interception n’a aucun intérêt, n’est-ce pas ?
b) Si tel est le cas, effectuez une comparaison entre les différents temps d'échantillonnage pour voir où se situent ces différences, c'est-à-dire en utilisant Tukey ou Scheffe (ou quelque chose d'autre proposé par JMP). Je ne comprends pas quels sont les résultats obtenus lorsque je coche « tester également chaque colonne séparément » – quelle méthode utilise-t-il ? Comme ci-dessus, si je comprends bien, la signification de l'interception n'a pas d'intérêt, non ?
c) Séparez l'ensemble de l'échantillon entre ceux avec et sans complications et comparez-les pour voir s'il existe des différences significatives entre ceux avec et sans complications. Dans ce cas, je ne me soucie pas des échantillons qui donnent les différences, seulement s'il y a des différences globales.
merci beaucoup,
Uriel.
S'il vous plaît voir ceci note dans la base de connaissances JMP.
Salut @utkcito ,
Je ne comprends pas pourquoi vous dites qu'il ne s'agit pas d'une situation de mesures répétées.Êtes-vous en train de dire cela parce que les données sont longitudinales?Les données longitudinales sont des données de mesures répétées.Souvent, vous modélisez des données longitudinales avec quelque chose comme une structure de covariance AR(1).Vous pouvez probablement le traiter comme un effet fixe si vous le souhaitez.
Je ne pense pas que tu veuilles faire MANOVA.Le « M » dans MANOVA fait référence à des réponses multiples et non à plusieurs facteurs.Il semble que vous ayez juste la 1ère réponse NL.
Vous pouvez répondre à vos questions d’un seul coup en utilisant Fit Model.Je sais que vous avez dit que vous ne vouliez pas utiliser de modèle linéaire, mais je ne pense pas que vous puissiez modéliser correctement ces données sans un modèle linéaire.Pour commencer, vous devez faire en sorte que le patient soit un effet aléatoire.De plus, si vous souhaitez évaluer l'impact des complications, vous devez simplement en faire un facteur dans le modèle afin de pouvoir tester la signification simultanément avec l'échantillon.
Je suis d'accord que vos données ne sont pas normales.Il semble qu'une transformation de journal sur NL 1st s'en charge.
Consultez le script Ajuster le modèle dans le tableau ci-joint.Voici les réponses aux 3 questions que vous vous posiez :
1. L'échantillon (le temps) est-il significatif ?Réponse : Oui.Voir la section Tests à effets fixes du modèle d'ajustement.Le test F a une valeur p = 0,0025.
2. Si oui, quelles sont les heures différentes ?Réponse : L'analyse Tukey montre que le temps 1 est significativement différent des temps 3 et 5. Aucune autre différence n'est significative.
3. Les complications ont-elles un effet ?Réponse : Non.L’effet principal Complication n’est pas significatif, pas plus que l’interaction Échantillon*Complication.L'interaction indiquerait si les effets du temps d'échantillonnage diffèrent pour les patients avec et sans complications.Il n’existe aucune preuve solide que ce soit le cas.Voir également les tests à effets fixes.
