混合モデルにおけるランダム効果の結果に影響を与える公称ラベリング構造背景：私は6人の個人をそれぞれ治療群または対照群のどちらかに割り当てました（1群あたり3人）。私は治療の効果を比較したいと思いました、そして、私の混合モデルにおけるランダム効果としての「個人」と固定効果としての「治療」（TまたはC）を含めました。
問題：私は自分の複製（個人）にラベルを付ける方法に基づいて異なる結果が得られることに気付いています。実験では、私は個体を治療群で1,2,3、対照群で4,5,6として組織化した。これは私がもともと私の混合モデルに「個人」を含めていた方法でしたが、個人が治療をまたがって繰り返されず、各個人が1つの治療しか割り当てられなかったため その代わりに、私はトリートメント間の繰り返し構造の公称値を持つ必要がありました（Cでは1,2,3、Tでは1,2,3）。「個々の」ランダムな複製効果がどのように構成されているかによって、結果が異なります。5、6、）
質問：治療をまたがって繰り返される構造が正しい理由を完全には理解していませんし、さらなる説明を求めています。
名義ラベル付け構造は混合モデルにおける変量効果の結果に影響を与える悪いアドバイスをもらったようですね。 あなたが治療内に被験者を入れ子にしない限り、JMPはあなたがコントロールと治療グループの両方で測定された3人の被験者を持っているかのようにデータを扱います。 実際には、6つの科目が1つのグループに割り当てられています。 だからこそ、あなたはミスマッチを起こしているのです。そして、私が言うことができる限りでは、あなたはそれが最初に正しくなったのです。
2番目のラベリング方法を使用する場合、治療で被験者IDを入れ子にしても同じ結果が得られます。 私は、0週と1週で測定された各治療レベルで4人の被験者を使った偽の研究のためのデータをどこで生成したかを説明する例を付けました。 2つのサブジェクトID列を作成して、どちらかの方法でそれを実行でき、正しく入れ子にしても同じ結果が得られることを示します。 最初のスクリプトは、各サブジェクトに固有のIDを使用しています。 2番目は各治療グループに対して繰り返される名目上のIDを使用しますが、私は治療内に被験者を入れ子にします。 私は全く同じ数を得ます。 これは、Tグループの件名1がCグループの件名1とは異なる人物であることをJMPに指示しているためです。
3番目のスクリプトは、ネスティングなしの誤った方法を示しています。 JMPは両方のグループの件名1を同じ人として扱い、この人には4つの測定値があると考えるため、結果は異なります。 これは基本的に私があなたがあなたのデータを使ってやったと思うものです。
名義ラベル付け構造は混合モデルにおける変量効果の結果に影響を与えるまた、私はあなたが各人に1つ以上のデータポイントがあるかどうか尋ねるつもりですか？たとえば、アップロードしたデータセットでは、2つの期間でそれらを測定しました。 データポイントが1つしかない場合、件名は残差と混同されます（アドバイスされていたとおりの扱いではありません）。 それが事実であるならば、それは本当に問題ではありません。 JMPはREML分散コンポーネントテーブルから「残余」を削除し、それを「件名」に置き換えます。あなたの治療効果はまだ完全に推定可能です。
名義ラベル付け構造は混合モデルにおける変量効果の結果に影響を与える有益な回答をありがとうございました！治療内に被験者を入れ子にしても、各被験者を個別に実行したときと同じ結果が得られました。私はそれを実行する必要があることが明らかになりました。各個人が固有の名目上の識別子を持ち、治療を超えて繰り返される構造ではない jmpはtrtsをまたいで繰り返し測定としてそれを実行します。
