연구 배경 : 치료군 또는 대조군 (그룹당 3 명)에 각각 6 명의 개인이 할당되었습니다. 나는 치료의 효과를 비교하기를 원했고 "개인"을 나의 혼합 된 모델에서의 무작위 효과와 "치료"(T 또는 C)를 고정 된 효과로 포함 시켰습니다.
문제 : 복제물 (개인)의 라벨에 따라 다른 결과를 얻는 것으로 나타났습니다. 실험에서 나는 개인을 치료 그룹에서 1,2,3, 대조 그룹에서 4,5,6으로 조직했다. 이것은 내가 원래 혼합 모델에 "개인"을 포함시키는 방법 이었지만, 개인이 치료를 반복하지 않고 각 개인에게 오직 하나의 치료 만 배정 되었기 때문에 이것이 잘못된 것이며 치료 효과를 혼란스럽게한다고 충고했습니다. 대신, 나는 치료법 (C에서 1,2,3, T에서 1,2,3)에 걸쳐 반복 구조로 명목 값을 가질 필요가있었습니다. 나는 "개인적"무작위 복제 효과가 어떻게 구조화되어 있는가에 따라 다른 결과를 얻습니다 : (T-1,2,3, C-1,2,3) vs (T-1,2,3 and C-4, 5,6)
질문 : 왜 치료법에 걸쳐 반복되는 구조가 올바른지, 그리고 더 명확히하기 위해 찾고있는 것을 완전히 이해하지 못합니다.
네가 나쁜 충고를하는 것 같아. 치료 중 피험자를 중첩하지 않는 한, JMP는 대조군과 치료군 모두에서 측정 된 3 명의 피험자가있는 것처럼 데이터를 처리합니다. 실제로 6 개의 과목이 단지 1 개의 그룹에만 배정됩니다. 그것이 당신이 불일치를 얻는 이유이며, 제가 말할 수있는 한 그것이 처음으로 옳았다는 것을 말합니다.
두 번째 레이블링 방법을 사용하는 경우 치료시 제목 ID를 중첩하면 동일한 결과가 나타납니다. 나는 0과 1 주일에 측정 된 각 치료 수준에서 4 명의 피험자를 가진 가짜 연구를 위해 데이터를 생성 한 위치를 보여주는 예를 첨부했습니다. 필자는 2 개의 주제 ID 열을 작성하여 적절하게 중첩하면 동일한 결과를 얻을 수있는 방법을 보여줍니다. 첫 번째 스크립트는 각 주제마다 고유 한 ID를 사용합니다. 두 번째는 각 치료 그룹에 대해 반복되는 명목 ID를 사용하지만 치료 내에서 제목을 중첩합니다. 나는 정확한 숫자를 얻는다. 이는 중첩이 JMP에게 T 그룹의 제목 1이 C 그룹의 제목 1과 다른 사람임을 알리기 때문입니다.
세 번째 스크립트는 중첩되지 않은 잘못된 방법을 보여줍니다. JMP는 두 그룹의 Subject 1을 같은 사람으로 취급하고이 사람에 대해 4 개의 측정 값이 있다고 생각하기 때문에 결과가 다릅니다. 이것은 본질적으로 귀하가 귀하의 데이터로 수행 한 것이라고 생각합니다.
나는 또한 각 사람마다 1 점 이상의 데이터 포인트가 있는지 묻고 싶었습니다. 예를 들어, 업로드 한 데이터 세트에서 2 시간 간격으로 측정했습니다. 데이터 포인트가 1 개인 경우, Subject는 잔여 물과 혼동을 일으 킵니다. 그렇다면 실제로 문제가되지 않습니다. JMP는 REML 분산 구성 요소 테이블에서 "잔여"를 삭제하고이를 "제목"으로 바꿉니다. 치료 효과는 여전히 예측 가능합니다.
