Misure ripetute - Possono essere usati i Covariati?Ho un cliente con un set di dati che si occupa della nutrizione del cavallo. L'idea è di dare agli animali un'alta alimentazione di glucosio e monitorare i livelli di insulina per diverse ore. Quindi confrontano 2 gruppi di animali: un gruppo è il controllo e l'altro ha ricevuto una dieta speciale nell'ultimo mese. Quindi stanno davvero osservando l'effetto della dieta sull'insulina del cavallo. Hanno preso una linea di base su tutti gli animali all'inizio dello studio. Tutti avevano seguito la stessa dieta fino all'inizio dello studio e hanno dato loro un'alta dose di glucosio e l'insulina monitorata. Ovviamente ogni cavallo aveva una linea di base diversa. Quindi metti la metà degli animali nella nuova dieta per un mese e ripeti il test. Possono vedere una piccola differenza fare una misura ripetuta standard sui dati di fine mese, ma vorrebbero tenere conto delle singole linee di base degli animali all'inizio del mese, sperando che ciò eliminasse il segnale. Qualche idea su come farlo? Grazie!Ri: Misure ripetute - Possono essere usati i Covariati?Jerry,
È piuttosto semplice, basta mettere la covariata come effetto. Ho tenuto un discorso WebEx / Discovery sull'utilizzo di JMP Pro per misure ripetute e l'esempio principale ha fatto proprio questo. Ecco il link a WebEx . Il talk di Discovery aveva lo stesso contenuto. Sotto semplici ipotesi di covarianza (periodi di tempo non correlati o la stessa correlazione per tutti i periodi di tempo, ad esempio la simmetria composta), questo può essere fatto anche in JMP regolare.
don
Ri: Misure ripetute - Possono essere usati i Covariati?Grazie Don. Sfortunatamente il mio cliente ha JMP standard, non Pro. Hai detto che questo potrebbe essere fatto in JMP standard ... puoi indicarmi una risorsa che descrive come farlo?
Grazie,
Jerry
Ri: Misure ripetute - Possono essere usati i Covariati?Jerry,
Se impostano la variabile soggetto (l'entità su cui le misure ripetute sono prese) in modo casuale, otterranno un modello di misure ripetute assumendo la simmetria composta (CS) come matrice di covarianza. Ciò indica che la correlazione dipendente dal tempo è la stessa, indipendentemente dalla differenza dei periodi di tempo (ad esempio, la correlazione tra il primo e il secondo periodo di tempo è la stessa del primo e dell'ultimo periodo di tempo). L'assunzione di CS (o nessuna correlazione) è molto limitante. Adatta modelli misti in JMP Pro fornisce loro circa 10 ulteriori strutture di covarianza con cui lavorare (SAS ha circa 30 o 40 in più in PROC MIXED). Un'alternativa è usare la personalità di Manova per adattarsi a modelli di misure ripetute. Normalmente evito di farlo perché trovo difficile interpretare e spiegare (e può avere una potenza notevolmente inferiore rispetto a un approccio a modelli misti).
don
