Medidas repetidas - ¿Se pueden usar covariantes?Tengo un cliente que tiene un conjunto de datos sobre nutrición del caballo. La idea es dar a los animales una alimentación con alto contenido de glucosa y controlar los niveles de insulina durante varias horas. Luego comparan 2 grupos de animales: un grupo es el control y el otro ha recibido una dieta especial durante el último mes. Así que realmente están mirando el efecto de la dieta en la insulina del caballo. Tomaron una referencia sobre todos los animales al inicio del estudio. Todos habían estado en la misma dieta hasta el inicio del estudio, y les dieron la alimentación con alto contenido de glucosa y monitorearon la insulina. Por supuesto, cada caballo tenía una línea de base diferente. Luego se puso la mitad de los animales en la nueva dieta durante un mes, y se repitió la prueba. Pueden ver una pequeña diferencia al realizar una Medida Repetida estándar en los datos de fin de mes, pero les gustaría tener en cuenta las líneas de base individuales de los animales al comienzo del mes, con la esperanza de que esto limpie la señal. ¿Alguna idea sobre cómo hacer eso? ¡Gracias!Re: Medidas Repetidas - ¿Pueden usarse Covariables?Alemán,
Es bastante sencillo, solo coloca la covariable como efecto. Di una charla de WebEx / Discovery sobre el uso de JMP Pro para mediciones repetidas y el ejemplo principal hizo precisamente esto. Aquí está el enlace a la WebEx . La charla del descubrimiento tuvo el mismo contenido. Bajo supuestos de covarianza simple (periodos de tiempo no correlacionados o la misma correlación para todos los periodos de tiempo, por ejemplo, simetría compuesta), esto también se puede hacer en JMP regular.
Don
Re: Medidas Repetidas - ¿Pueden usarse Covariables?Gracias don Desafortunadamente mi cliente tiene JMP estándar, no Pro. Usted mencionó que esto podría hacerse en JMP estándar ... ¿Me puede indicar un recurso que describa cómo hacerlo?
Gracias,
alemán
Re: Medidas Repetidas - ¿Pueden usarse Covariables?Alemán,
Si establecen la variable del sujeto (la entidad en la que se toman las mediciones repetidas) a aleatorio, obtendrán un modelo de mediciones repetidas asumiendo simetría compuesta (CS) como la matriz de covarianza. Esto indica que la correlación dependiente del tiempo es la misma, independientemente de la diferencia en los períodos de tiempo (por ejemplo, la correlación entre el primer y el segundo período de tiempo es la misma que la primera y la última). El supuesto de CS (o ninguna correlación) es muy limitante. Ajustar modelos mixtos en JMP Pro les brinda aproximadamente 10 estructuras de covarianza adicionales para trabajar (SAS tiene alrededor de 30 o 40 más en PROC MIXED). Una alternativa es usar la personalidad Manova para ajustar un modelo de medidas repetidas. Por lo general, evito hacer esto porque me resulta difícil interpretar y explicar (y puede tener una potencia considerablemente menor que la de un modelo mixto).
Don
