179898_fr-FR

liliconcom

Structure d'étiquetage nominal ayant un impact sur les résultats pour l'effet aléatoire dans un modèle mixte

Contexte: J'avais 6 individus affectés chacun au groupe de traitement ou au groupe de contrôle (3 par groupe). Je voulais comparer l’effet du traitement et j’ai inclus «l’individu» en tant qu’effet aléatoire dans mon modèle mixte et mon «traitement» (T ou C) en tant qu’effet fixe.

 

Problème: je constate que mes résultats sont différents en fonction de la manière dont j'écris mes répliques (individus). Dans l'expérience, les individus étaient organisés en 1,2,3 dans le groupe traité et 4,5,6 dans le groupe témoin. C’est ainsi que j’avais initialement inclus «individu» dans mon modèle mixte, mais j’ai depuis été avisé que c’était incorrect et que les effets du traitement étaient confondus, car les individus n’avaient pas été répétés d’un traitement à l’autre et qu’un traitement avait été attribué à chaque individu. Au lieu de cela, je devais avoir les valeurs nominales dans une structure répétée pour tous les traitements (1,2,3 en C et 1,2,3 en T). J'obtiens des résultats différents en fonction de la structure des effets de réplication aléatoire "individuels": (T-1,2,3 et C-1,2,3) vs (T-1,2,3 et C-4, 5,6

 

Question: Je ne comprends pas tout à fait pourquoi une structure répétée sur plusieurs traitements est correcte et je cherche des éclaircissements supplémentaires. 

Objet: Structure de l'étiquetage nominal ayant un impact sur les résultats pour l'effet aléatoire dans un modèle mixte

On dirait que tu as un mauvais conseil.  JMP traite les données comme si vous aviez 3 sujets mesurés à la fois dans le groupe de contrôle et dans le groupe de traitement, à moins que vous n'embauchiez un sujet dans le traitement.  En réalité, vous avez 6 sujets assignés à un seul groupe.  C'est pourquoi vous obtenez une inadéquation et, autant que je sache, vous avez eu raison dès la première fois.

Si vous utilisez la deuxième méthode d'étiquetage, vous obtiendrez le même résultat si vous imbriquez l'ID de sujet dans le traitement.  J'ai joint un exemple pour illustrer où j'ai généré des données pour une fausse étude avec 4 sujets dans chaque niveau de traitement mesuré à 0 et 1 semaine.  J'ai créé 2 colonnes d'ID de sujet afin d'illustrer que je pouvais le faire d'une manière ou d'une autre et obtenir les mêmes résultats si je l'imbriquais correctement.  Le premier script utilise des identifiants uniques pour chaque sujet.  La seconde utilise des ID nominaux qui sont répétés pour chaque groupe de traitement, mais je niche le sujet dans le traitement.  Je reçois exactement les mêmes chiffres.  En effet, l'imbrication indique à JMP que le sujet 1 du groupe T est une personne différente de celle du sujet 1 du groupe C.

Le troisième script montre le chemin incorrect sans imbrication.  Maintenant, les résultats sont différents parce que JMP traite le sujet 1 dans les deux groupes comme la même personne et pense que j'ai 4 mesures sur cette personne.  C’est essentiellement ce que je pense que vous avez fait avec vos données.

Objet: Structure de l'étiquetage nominal ayant un impact sur les résultats pour l'effet aléatoire dans un modèle mixte

Je voulais aussi demander si vous avez plus d'un point de données sur chaque personne? Par exemple, dans le jeu de données que j'ai téléchargé, je les ai mesurées sur 2 périodes.  Si vous ne disposez que de 1 point de données, le sujet est confondu avec le résidu (et non avec le traitement tel qu'il vous a été conseillé).  Si c'est le cas, ce n'est pas vraiment un problème.  JMP supprime simplement "Résiduel" de la table des composants de variance REML et le remplace par "Objet". Votre effet de traitement est encore totalement estimable.

Objet: Structure de l'étiquetage nominal ayant un impact sur les résultats pour l'effet aléatoire dans un modèle mixteMerci beaucoup pour la réponse informative! La nidification du sujet pendant le traitement m'a donné le même résultat que lorsque je traitais chaque sujet individuellement. Il est maintenant clair que je dois l'exécuter avec chaque personne ayant un identifiant nominal unique et non pas dans une structure répétée à travers le traitement jmp le lancera comme une mesure répétée à travers les trts).