23904_fr-FR

liliconcom

Complément ANOVA à mesures répétées factorielles complètes

  

Ce complément génère les termes du modèle linéaire à effets mixtes (effets aléatoires et fixes) pour les conceptions à mesures répétées unidirectionnelles ou entièrement factorielles impliquant une variable de réponse continue (les réponses catégorielles ne sont pas prises en charge pour le moment).

 

Tutoriels vidéo pour le complément :

Un facteur : https://youtu.be/fh8jiFf2z-o

Factorielle : https://youtu.be/py3-wvPYitM

 

 

Installation:

• Téléchargez factorial_repeated_measures.jmpaddin au bas de cette page.
• Une fois téléchargé, double-cliquez sur le fichier à ouvrir dans JMP.
• Vous serez invité à vous demander si vous souhaitez installer le complément. Sélectionnez Installer.
• Dans le menu Compléments, vous aurez une section pour « Mesures répétées »

 

 

Plans factoriels :

Dans les plans factoriels à mesures répétées, les sujets sont mesurés dans chaque condition de la combinaison factorielle des facteurs intra-sujets et sont mesurés sur un seul niveau de facteurs inter-sujets. Par exemple, les sujets participant à une expérience de dégustation de vin pourraient goûter et évaluer plusieurs vins différents, mais ils sont généralement mesurés à un seul niveau de sexe et d'expertise, car les niveaux de ces facteurs sont difficiles à modifier au cours d'une expérience. Les plans factoriels complets impliquent un complet croisement de facteurs. Dans l'exemple d'expérience ci-dessous, chaque sujet goûte du vin dans 8 verres, formés à partir de la combinaison factorielle de quatre vins différents notés dans les deux conditions d'étiquette (quatre des verres ont été placés devant des bouteilles avec des étiquettes d'apparence coûteuse, et quatre ont été placés devant des bouteilles aux étiquettes bon marché). Le croisement factoriel Expertise et Genre, les facteurs inter-sujets, consiste à mesurer les individus dans les quatre combinaisons (F/Expert, F/Novice, M/Expert, M/Novice). Ces facteurs sont « inter-sujets » car aucun sujet n'est mesuré à plus d'un niveau des facteurs d'expertise et de genre.

 

 

Estimation du modèle

Ce complément génère une analyse de modèle linéaire à effets mixtes. En l'absence de données manquantes, cette analyse produit des estimations et des tests identiques à une analyse à mesures répétées d'un modèle linéaire général univarié en supposant une symétrie composée. Cependant, les modèles mixtes estiment différemment les termes du modèle, de sorte que les estimations seront différentes (et potentiellement meilleures) en présence de données manquantes ; L'analyse univariée par mesures répétées de GLM nécessite des données complètes et les sujets avec des cellules manquantes sont éliminés, alors que les modèles mixtes peuvent tolérer des données manquantes sans éliminer un sujet entier de l'analyse. Les données manquantes (qui ne manquent pas au hasard) peuvent biaiser les estimations du modèle. Assurez-vous donc d'étudier la cause des données manquantes avant d'interpréter les résultats d'un modèle.

 

 

Usage:

 

Diffusez les colonnes dans le rôle approprié et cliquez sur « Exécuter le modèle » ou cliquez sur « Lancer la boîte de dialogue » pour passer à la boîte de dialogue Ajuster le modèle afin d'apporter des modifications au modèle avant de l'exécuter. Pour garder la boîte de dialogue ouverte après l'exécution, cochez la case « Garder la boîte de dialogue ouverte ».

Note: Pour ces modèles, « ID du sujet » doit avoir un type de modélisation Nominal ; ce complément définira automatiquement le type de modélisation sur Nominal si ce n’est pas déjà fait.

Les termes du modèle sont générés et une sortie de modèle d'ajustement est lancée avec un résumé des détails d'ajustement et des critères d'information, des estimations des composants de variance REML, des tests à effets fixes et des détails sur les effets.

Dans ce cas (avec deux facteurs intra-sujets et deux facteurs inter-sujets), le modèle généré est le suivant :

 

 

Modèle

Effets ( : Genre , : Compétence , : Vin , : Étiquette , : Genre * : Compétence , : Genre * : Vin , : Genre * : Étiquette , : Compétence * : Vin , : Compétence * : Étiquette , : Vin * : Étiquette , : Genre * : Compétence * : Vin , : Genre * : Compétence * : Étiquette , : Genre * : Vin * : Étiquette , : Compétence * : Vin * : Étiquette , : Genre * : Compétence * : Vin * : Étiquette ) , Effets aléatoires ( : Juge [ : Genre , : Compétence ] , : Juge * : Vin [ : Genre , : Compétence ] , : Juge * : Étiquette [ : Genre , : Compétence ] , : Juge * : Vin * : Étiquette [ : Genre , : Compétence ] ) ,

 

 

 

De nombreuses options sont disponibles sous le triangle rouge le plus haut, notamment des rapports de régression supplémentaires, des estimations de paramètres, des tracés de diagnostic et des résidus de sauvegarde, des paires de leviers, etc.

 

 

Parcelles, moyennes et tests

 

Développer Détails de l'effet pour générer des tracés pour les facteurs individuels et les interactions, et pour effectuer des tests sur les moyens cellulaires en utilisant tous les tests T par paire, Tukey HSD et les contrastes linéaires.

 

 

Pour profiler le modèle de manière interactive, sélectionnez le triangle rouge le plus haut > Profilage factoriel > Profileur

 

 

Modifier et afficher le modèle

 

Sélectionnez le triangle rouge le plus haut, puis sélectionnez Boîte de dialogue Modèle pour voir les spécifications du modèle et apporter des modifications au modèle.

 

Format des données

 

Ce complément nécessite que les données soient au format grand ou long. C'est à ce moment-là que les observations répétées d'un sujet sont représentées sur des lignes plutôt que sur des colonnes (voir ci-dessous).

 

Si vous devez restructurer des données étendues, utilisez Tables > Pile et convertissez les colonnes avec des observations répétées dans la section Colonnes de pile. Pour les plans factoriels, vous devrez séparer les niveaux de chaque facteur. En utilisant Col > Recode, cela peut être fait rapidement.

 

 

 

Détails supplémentaires:

- Ce complément génère des termes avec l'algorithme suivant :

- Factorielle complète de tous les facteurs à effets fixes (tous les facteurs intra- et inter-sujets)

- Factorielle complète des seuls facteurs intra-sujet et facteur-sujet (avec les termes redondants supprimés)

- Tous les termes impliquant le sujet sont marqués comme effets aléatoires

- Si des facteurs inter-sujets sont présents, tous les termes impliquant des sujets sont marqués comme imbriqués dans tous les facteurs inter-sujets

 

- S'il existe des répliques de chaque cellule (chaque sujet s'est trouvé dans chaque condition plus d'une fois), l'interaction d'ordre le plus élevé avec les sujets est estimable. S'il n'y a pas de réplications, cette interaction d'ordre le plus élevé est confondue avec le résidu (c'EST le résidu) et sera automatiquement supprimée.

 

- Les modèles sont limités à 5 facteurs intra-sujets et jusqu'à 5 facteurs inter-sujets. Si vous utilisez régulièrement des modèles comportant plus de 5 facteurs intra-sujets ou 5 facteurs inter-sujets, merci de m'en informer.

 

 

 

Vidéos supplémentaires :

J'ai ici deux séries de vidéos avec plus de détails qui pourraient être utiles. Si vous allez nous proposer ce complément.

 

Module 2:8 - Mesures répétées à un facteur

Module 2:9 - Mesures factorielles répétées

 

 

J'espère que cela vous aidera dans vos analyses de mesures répétées !

 

julien

 

 

Historique des mises à jour :

 

v0.09 : Ajout du bouton "Lancer la boîte de dialogue"

v0.08 : Ajout du bouton "Rappeler" et de la case à cocher "Garder la boîte de dialogue ouverte".

Conception d'expériencesStatistiquesEnseignement des statistiquesUtilitairesRe : Complément ANOVA à mesures factorielles répétées complètes

Cher @julien ,

Le rapport F dans le tableau des effets fixes généré à l'aide du complément de mesures répétées est-il basé sur la somme des carrés de type II ou de type III ?On dirait que le rapport F est plus proche du calcul à l'aide de SS de type II.

 

Re : Complément ANOVA à mesures factorielles répétées complètes

Cher @julien ,

J'utilise ce complément depuis un moment maintenant et il est très utile.

serait-il possible de changer le "niché" en "Cross" pour les coefficients aléatoires ? cela permettrait l'utilisation de "facteurs entre sujets" continus. À l'heure actuelle, lors de l'introduction d'un « facteurs entre sujets » continu, la plate-forme de modèle d'ajustement refuse d'estimer les termes imbriqués (et le modèle dans son ensemble).

Un grand merci pour vos contributions innovantes.

Ron

 

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Julien,

Je suis toujours fan de ce module complémentaire et je me demandais quel pourrait être votre calendrier pour la prochaine itération ? Par exemple, actuellement, je finis par utiliser SPSS ou un autre logiciel pour tester les tailles d'effet, car il ne semble pas y avoir de moyen simple d'obtenir celles de JMP pour des conceptions intra-sujets ou à effets mixtes. Ce qui constitue également un sérieux inconvénient lors de l’utilisation de JMP pour l’enseignement des statistiques. Ce serait très utile si cela pouvait être ajouté à ce plugin (ou si le plugin "Calculer les tailles d'effet" pouvait être étendu pour fonctionner pour des conceptions mixtes et intra-sujets).

Bravo et merci !

Bernhard

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut @jsheldon1 ,

Je suis désolé d'apprendre que vous rencontrez des problèmes. Cela m'aiderait si vous pouviez m'en dire plus sur ce que vous essayez de faire et à quoi ressemble votre ensemble de données. Si vous pouviez en joindre un petit morceau, ce serait particulièrement utile. Sans en savoir plus, la meilleure hypothèse que j'ai est que vous avez des caractères spéciaux dans l'un de vos noms de colonnes (ce complément n'est pas particulièrement robuste aux caractères non alphanumériques dans les noms de colonnes). Est-ce que ça pourrait être le problème ?Julian

Re : Complément ANOVA à mesures factorielles répétées complètes

J'essaie d'exécuter une analyse avec votre complément et j'obtiens ce message d'erreur :

Option d'effet non reconnu 2 fois lors de l'accès ou de l'évaluation de 'And', :ID[:State] & /*###*/Random/*###*/

 

Une idée de ce que cela pourrait signifier ?

Re : Complément ANOVA à mesures factorielles répétées complètes

Merci Julian, j'ai hâte de voir ce que tu vas cuisiner !

Tu as raison, la macro "full factorielle" est effectivement utile

acclamations

Bernhard

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut @bernhard ,

Merci pour les suggestions! Je les ajouterai à ma liste d'améliorations futures et ne manquerai pas de vous informer lorsqu'une nouvelle version sera disponible. À propos, pour les conceptions entièrement inter-sujets, la boîte de dialogue standard Ajuster le modèle fonctionne assez bien : sélectionnez simplement tous vos facteurs dans la liste des colonnes, puis cliquez sur le triangle rouge à côté de Macros, puis sur Factoriel complet (ou Factorial trié) pour générer automatiquement tous les effets de modèle.

@julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Julien,

merci encore pour ce module complémentaire, il est super utile et tellement plus facile à utiliser que la manière de faire par défaut de JMP.

Si vous êtes intéressé par des suggestions d'améliorations supplémentaires :

- ajout d'options pour tester le hypothèses serait inestimable (surtout lors de l'enseignement avec JMP, mais aussi pour les analyses quotidiennes)

- ajout d'options à tester tailles d'effet serait également formidable, d'autant plus que la plupart des revues, APA, etc. demandent l'inclusion des tailles d'effet

- ce plug-in pourrait-il être étendu pour fonctionner également uniquement sur les effets entre sujets ? Qu'il deviendrait probablement la principale référence pour tous mes besoins ANOVA 

Bravo et merci !

Bernhard

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Julien,

 

J'aimerais poser une autre question. Pourquoi est-ce que j'obtiens des estimations différentes lorsque j'effectue un modèle d'interception aléatoire sur JMP et sur SPSS ? Je peux voir que dans JMP, il y a plus de degrés de liberté par rapport à la sortie dans SPSS.En ce qui concerne les effets fixes, j’obtiens exactement le même résultat. Est-ce réellement un problème que deux logiciels différents affichent le même résultat statistique, en termes de valeur F et de valeur p, mais des estimations différentes pour les effets fixes ?

 

Merci beaucoup!

Acclamations

Dalia

Re : Complément ANOVA à mesures factorielles répétées complètes

@julien
Merci pour la réponse rapide, oui, il semble que j'ai des autocorrélations temporelles élevées. Je poserai des questions à ce sujet dans la communauté JMP générale.

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut @tsingh ,

Je serais heureux de vous donner quelques réflexions générales, mais les données de type série chronologique telles que celles-ci ne sont pas ma spécialité, je pense donc que vous aurez peut-être plus de chance de publier votre question dans la communauté générale JMP. Mon intuition est que vous ne devriez probablement pas analyser ces données avec ce complément. Maintenant, cela ne veut pas dire que vous ne pouvez pas -- Site pourrait être votre ID de sujet et Mois un effet intra-sujet, mais vous ignorerez toute l'autocorrélation entre des points proches dans le temps, et il y a probablement une bonne raison de modéliser les modèles cycliques de température à la fois au cours des jours et d’une journée à l’autre. À moins de pouvoir réellement affirmer que les mesures de température au cours d’un mois pour un site donné étaient indépendantes, j’emprunterais une voie différente ! Encore une fois, le forum de discussion communautaire général est un bon endroit pour cette question – j'espère que quelqu'un ayant une certaine expérience des séries chronologiques aura des conseils à partager.

julien

 

 

 

 

 

 

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Julien,

J'aimerais avoir votre avis sur la manière dont je dois analyser mes données à l'aide de cette analyse et si cette analyse convient à mes données.

J'ai des mesures horaires des données de température de l'eau pendant 5 mois sur 5 sites.
24 x 30 x 5 x 5 = 18 000 points de données.

Je veux voir si la température de l'eau est significativement différente entre les sites chaque mois, et aussi s'il existe des différences significatives entre les sites dans leur ensemble, c'est-à-dire l'interaction site et site x mois.

Mes données sont au format long, avec les noms de colonnes suivants
1.Site

2. Numéro du jour (0-150)
2. Mois (juin-octobre)
3. heures (0-24)
4. Température (variable de réponse)

J'ai donc ajouté des mois et des sites dans les facteurs de sujet.
Je ne sais pas trop quel facteur mettre dans l'ID du sujet, s'il doit s'agir du numéro du jour ou des heures ? Je ne suis pas intéressé par les variations horaires ou quotidiennes.

 

Pensez-vous également que je devrais utiliser une anova répétée factorielle complète pour mes données ou pensez-vous que je devrais plutôt faire un modèle mixte en spécifiant une structure répétée (ex corAR1 etc) ?

Merci beaucoup.

 

 

 

 

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut @Dalia ,

Je viens de répondre à votre message privé, mais j'ai pensé que d'autres personnes lisant ces commentaires pourraient être intéressées par votre réponse, alors je la colle ici. J'espère que cela aidera à clarifier certaines choses !

---

J'espère pouvoir aider un peu avec ça ! Les modèles mixtes peuvent certainement être compliqués, d’autant plus qu’il n’existe parfois pas un seul modèle « correct » pour une situation donnée. Ce complément s'adaptera à un « modèle maximal », et j'entends par là qu'il s'adaptera à toutes les interactions possibles entre vos sujets (l'effet aléatoire) et vos effets fixes (les facteurs réels de votre expérience). Si vous n’êtes pas très familier avec les modèles mixtes, ce n’est probablement pas très utile. Cela signifie généralement que vous estimez plus de paramètres dans un modèle maximal complet que dans un modèle simplifié dans lequel vous estimez simplement une constante aléatoire pour chaque sujet. Dans le modèle le plus simple, avec uniquement l'ordonnée aléatoire (juste le terme désignant un sujet marqué comme aléatoire, mais aucune interaction entre la variable sujet et d'autres variables), vous affirmez que les sujets ne diffèrent les uns des autres que par leur note moyenne - qu'ils réagira de la même manière à vos manipulations (et c'est le modèle que vous avez exécuté en suivant le pdf dans la bibliothèque d'apprentissage). Dans ce modèle, toute variation que vous observez entre différents sujets dans la façon dont ils réagissent aux stimuli est classée comme une pure erreur, plutôt que comme de réelles différences dans la façon dont les gens réagissent aux stimuli. Ce n’est généralement pas réaliste ; cependant, ce type de modèle utilise beaucoup moins de degrés de liberté et vous avez donc plus de DF pour l'erreur, ce qui signifie en général plus de puissance.

 

Alors quoi de mieux ? J'aime utiliser mon exemple de vin pour cela : dans l'exemple du complément, le modèle s'adaptera à une interaction entre les sujets et le type de vin (rouge ou blanc). Ceci est utile car certaines personnes aiment plus le vin rouge que le blanc, et d’autres préfèrent le blanc au rouge. Puisqu'il existe un paramètre dans le modèle qui peut expliquer cette variation entre les personnes, les différences observées dans la réaction moyenne aux vins blancs et rouges ne sont pas interprétées comme une pure erreur, mais comme une variation systématique entre les personnes. Avec un échantillon de grande taille, être capable de faire la distinction entre cette erreur systématique et une erreur pure conduirait à plus de puissance. Avec un petit échantillon, il est probable que l'on manquerait des effets en ajustant toutes les interactions supplémentaires, à moins que les interactions ne soient vraiment assez importantes (par exemple, vous avez un groupe de personnes dont les préférences pour le vin diffèrent considérablement).

 

Donc, tout cela pour dire qu'en général, pour les sujets humains, j'ai tendance à penser que ces interactions entre l'effet aléatoire (nos sujets) et les facteurs fixes valent la peine d'être estimées car il est difficile de croire que les gens, contrairement aux machines, réagiront de la même manière. idem pour les manipulations. Si vous disposez de petits échantillons, il est parfois préférable de travailler avec un modèle réduit avec seulement quelques pentes aléatoires (interactions avec les sujets). Vous pouvez avoir une idée de l'ampleur de la variation que représentent les pentes aléatoires en consultant la section « Composants de variance REML ». Si les interactions avec le sujet représentent un pourcentage important de la variation totale, elles sont probablement utiles, sinon certains diraient que vous devriez les supprimer. N'oubliez pas que vous pouvez toujours accéder au triangle rouge en haut et sélectionner « Boîte de dialogue Modèle », puis accéder à la section des effets aléatoires pour supprimer des termes.

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Julien,

 

Je voudrais demander de l'aide car j'ai des difficultés à comprendre trois types de stratégies appliquées pour étudier les mesures répétées. Dans mon étude, ils donnent tous des résultats différents. Ces modèles comprennent les éléments suivants :

1) Complément ANOVA mixte factorielle complète

2) Analyse de modèle mixte en utilisant le modèle d'ajustement et le sujet aléatoire dans la section des attributs : https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747

3) Personnalité de modèle mixte avec Pro

 

Ma conception comprend 16 publicités réparties en 4 catégories vues par 2 groupes de consommateurs. J'étudie leurs différences dans l'engagement cognitif.

 

1) pour un premier modèle, j'utilise l'engagement cognitif comme dépendant, le groupe de consommateurs comme entre, la catégorie publicitaire comme à l'intérieur et l'identification du sujet comme effet aléatoire.

 

2) Mon interception aléatoire est l'ID du sujet, ma personne à charge est l'engagement cognitif, je modélise la catégorie de consommateur, la catégorie d'annonce et leur interaction.

 

3) Je n'ai pas de version Pro. Y a-t-il une différence entre effectuer une analyse de modèle mixte comme dans le deuxième cas ou utiliser le modèle mixte ?

 

Merci beaucoup. J'apprécie vraiment votre aide.

Acclamations

Dalia

 

 

Re : Complément ANOVA à mesures factorielles répétées complètes<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Mon plan d'étude est 2 x 2 x 3 x 3. T Les trois premiers facteurs (2x2x3) étaient intra-participants, et le troisième (avec 3 niveaux) se situait entre les deux. Lors de l'utilisation du complément, le rapport indique que j'ai des « DF perdus », ce qui, je suppose, signifie des degrés de liberté, dans la section Test des effets fixes. De plus, il ne donne aucune autre sortie sous le test des effets fixes. Quelqu'un peut-il me dire pourquoi cela se produit ? 

Re : Complément ANOVA à mesures factorielles répétées complètes

Merci pour vos commentaires, MS ! Je devrais vraiment rendre cela plus robuste pour les caractères spéciaux, et il semble que je l'ai fait à certains endroits mais pas à d'autres !

Re : Complément ANOVA à mesures factorielles répétées complètes

Excellent complément complémentaire ! Permet de gagner beaucoup de temps par rapport à la saisie manuelle du même modèle dans la boîte de dialogue Ajuster le modèle.

Le seul problème jusqu'à présent concerne les noms de colonnes qui contiennent des caractères impairs comme "%", "(" ou "/". Je reçois un message d'erreur et le journal indique

"Impossible de trouver l'élément "Réponse Cs137/kg dw" dans le contexte du plan {"Réponse Cs137/kg dw"}

Nom non résolu : Cs137 lors de l'accès ou de l'évaluation de 'Cs137', :Cs137/*###*/Exception lors du lancement de la plateforme"

Mais malgré cela, un rapport est généré avec des estimations identiques mais avec un ensemble différent de zones de contour (ajuster le modèle par défaut ?).

(J'utilise JMP 12.2 pour Mac)

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Benson,

Je voulais vous faire savoir que j'ai ajouté les options « Rappel » et « Garder la boîte de dialogue ouverte » à la dernière version de ce complément. J'espère que ça aide!

julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Julien,

Je pense que vous avez raison sur plusieurs comptes. Le temps dans mon étude est continu (0-120 min ; incréments de 5 min) ainsi que le df. Je fais une analyse préliminaire et nous n'avons qu'un n de 4, donc plus de sujets sont nécessaires. Cependant, je connais maintenant le processus de connexion anova à 2 voies.

Merci pour votre aide!

Re : Complément ANOVA à mesures factorielles répétées complètes

Si vous manquez ces intervalles de confiance, je suppose que vous avez également reçu d'autres erreurs en essayant d'ajuster le modèle. D'après le nombre de niveaux dont vous disposez pour le temps, je soupçonne que vous n'avez pas suffisamment de degrés de liberté pour ajuster le modèle en utilisant le temps comme valeur nominale. Je m'attendais à ce que vous ayez mesuré des individus sur beaucoup moins de points dans le temps. Compte tenu du nombre de niveaux dont vous disposez, il semble que vous feriez mieux de modéliser le temps comme un effet continu, c'est-à-dire d'estimer une pente entre Y et le temps pour chaque condition plutôt que des moyennes pour Y à chaque instant pour chaque condition (ce qui est ce que fait le traitement du temps comme nominal, et qui est donc coûteux en termes de paramètres estimés).Ce n'est pas quelque chose pour lequel mon complément est conçu : le modèle que vous essayez d'ajuster est celui dans lequel vous imbriquez des coefficients aléatoires, quelque chose que vous pouvez faire avec la personnalité de modèle mixte dédiée dans Ajuster le modèle dans JMP Pro. Voici la page de documentation à ce sujet :

Lancez la personnalité modèle mixte

Désolé, mon complément n'a pas pu vous aider avec cette analyse !

julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Oui, l'essai et les traitements sont interchangeables. Dans mon modèle, il y a 3 traitements/essais. J'ai changé les essais et le temps en nominaux. Est-il normal que la sortie ne donne pas l'IC supérieur et inférieur à 95 % lorsque vous effectuez ce changement ?

Re : Complément ANOVA à mesures factorielles répétées complètes

Cela se produira si le temps, l'essai ou les deux sont marqués comme continus dans votre ensemble de données. Tous doivent être marqués comme nominaux pour ce complément et ce type d’analyse afin d’estimer la moyenne et la différence des moyennes entre les traitements, à différents moments.

À propos, Trial est-il un alias pour Treatment ou vouliez-vous avoir Treatment dans votre modèle plutôt que Trial ?

Re : Complément ANOVA à mesures factorielles répétées complètes

Merci Julien.

Oui tu as raison. J'essaie d'examiner les différences entre les points temporels par traitement. Cependant, lorsque vous cliquez sur le triangle rouge de la zone d'essai*durée sous la zone de détails de l'effet pour exécuter l'analyse, il semble qu'aucune des options ne soit mise en surbrillance. Je peux effectuer une analyse plus approfondie dans les zones Essai et Sujet, individuellement. Veuillez voir l'image si cela a du sens :

Re : Complément ANOVA à mesures répétées factorielles complètes

Salut jxa014 ,

Vous pouvez effectuer des comparaisons de suivi en développant la section Détails de l'effet, puis en utilisant les triangles rouges en regard de chaque source de votre modèle. Il semble que vous soyez plus intéressé à faire des comparaisons entre les traitements à différents moments, ce qui signifie que vous examinerez la section essai x temps, puis utiliserez l'une des options qui s'y trouvent. J'ai quelques vidéos qui démontrent certaines de ces options de suivi. Ces vidéos discutent d'un modèle factoriel à mesures non répétées, mais les principes sont identiques.

Présentation des comparaisons simples par paires dans Fit Model :

Comparaisons par paires dans JMP avec Fit Model (Module 2 3 4) - YouTube

Anova factorielle générale :

ANOVA factorielle (4x4) Analyse complète (Module 2 5 10) - YouTube

Test de tranches (qui, je pense, pourraient vous intéresser particulièrement)

Test de tranches dans les plans factoriels (Module 2 5 11) - YouTube

Ces vidéos font partie de ma série de vidéos, Significantly Statistical Methods in Science, et vous pouvez trouver l'ensemble des modules ici :

Liste de lecture des méthodes significativement statistiques dans la science

J'espère que cela t'aides!

julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Julien,

C'était parfait. Merci beaucoup. J'ai effectué l'analyse pour l'une des variables de réponse et voici le résultat :

Tests à effets fixes

Source Nparm DF DFDEN Rapport F Prob > F

Procès 2 2 6.006 2,6589 0,1489

Temps 1 1 2.938 389.5700 0,0003

Temps d'essai* 2 2 5.904 5,5986 0,0433

Maintenant, dois-je suivre les tests sur l'interaction essai x temps ?

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut jxa014 ,

Bien sûr, je serais heureux de vous donner quelques conseils ici !Votre table de données est-elle structurée dans le format que j'ai montré ci-dessus (format long ou grand, avec des observations répétées pour un sujet sur plusieurs lignes) ?Sinon, vous devrez empiler vos données en utilisant Tables > Stack.Faites-moi savoir si vous devez le faire et je pourrai vous donner des conseils plus précis. Il serait également utile que vous incluiez un exemple de votre ensemble de données (ne serait-ce que quelques lignes) afin que je puisse mieux vous conseiller.

Si vos données sont dans le bon format, la configuration de l'analyse devrait être simple : placez la variable de votre sujet (ce qui identifie de manière unique les sujets) dans la section ID du sujet, placez TIME dans la section Facteur intra-sujet (puisque vous avez des observations répétées pour les sujets). à différents moments).Le TRT peut être intra-sujet ou inter-sujet en fonction de votre méthodologie. Si vous mesuriez chaque sujet sous pour les trois traitements, la TRT doit être placée dans la section intra-sujet. Si vous avez assigné chaque sujet à un seul des trois traitements, le TRT doit figurer dans la section des facteurs inter-sujets.

Une fois que vous aurez exécuté le modèle, vous recevrez la sortie statistique habituelle. Si vous êtes particulièrement intéressé par l'interaction temps x traitement, vous pouvez trouver des détails sur la signification statistique dans le tableau Test à effet fixe, et sous Détails de l'effet, vous pouvez trouver les moyennes LS et effectuer des comparaisons de suivi.

J'espère que ça aide!

julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Bonjour,

Je viens de télécharger ce complément et il a l'air génial, mais j'ai l'habitude de faire l'analyse dans le modèle d'ajustement JMP traditionnel. Je me demande si vous pourriez m'aider avec la mise en page avec mes variables et expérimenter :

J'ai une expérience où nos sujets (SUJETS) 3 traitements (TRT), chacun analysé sur 2 heures (TIME), et plusieurs variables de réponse ont été enregistrées (température centrale, fréquence cardiaque et température cutanée).

Je souhaite examiner les mesures répétées (traitement x temps) et regarder spécifiquement s'il existe des différences entre les TRT pour chaque instant.

Dis moi ce que tu penses!!!

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut benson.munyan ,

Oui, c'est une excellente suggestion ! Je l'ai ajouté à la liste des améliorations pour la prochaine version.J'ajouterai également une case à cocher pour "Garder la boîte de dialogue ouverte", ce que je fais souvent dans Ajuster le modèle lorsque j'essaie différents modèles.

julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Julien,

J'utilise beaucoup votre module complémentaire et je l'apprécie vraiment. Mon seul reproche majeur est qu’il n’a pas de bouton de rappel comme la plupart des autres plates-formes. Y a-t-il une chance que cela puisse être ajouté ?

Merci!

Re : Complément ANOVA à mesures factorielles répétées complètes

Salut Daculline ,

Désolé d'avoir manqué votre message jusqu'à présent. Laissez-moi répondre à chacune de vos questions

Dans l'ensemble, vos questions semblent appropriées à analyser dans le contexte d'une ANOVA à mesures répétées (ou d'un modèle mixte, ce que fait ce complément), même si vous ne vous intéressez pas aux principaux effets ou interactions. Il y a cependant quelques éléments à considérer :

a) avec une échelle de 0 à 3, vous n'avez pas beaucoup de raisons de penser que les scores de population sont normalement distribués, vous pourriez donc vous inquiéter un peu de cette hypothèse du modèle. Cependant, vous avez dit que vous aviez plusieurs centaines d'enseignants, donc le théorème central limite va vous aider à cet égard.

b) il est probable que vos covariances entre les questions diffèrent : certaines réponses à des questions seront probablement plus fortement liées à d'autres. En substance, c'est ce que votre Test de sphéricité de Mauchly indiquait -- une violation de cette hypothèse. Cela pose un petit problème pour les tests de suivi, car certains peuvent être conservateurs et d'autres anti-conservateurs. L'analyse de sous-ensembles de vos données peut réduire un peu cette inquiétude puisque vous faites des hypothèses sur moins de covariances. Si vous utilisez JMP Pro, ces tests peuvent être exécutés avec des covariances non structurées, mais n'y allons pas tout de suite.

c) Pour les trois premières questions, il semble que vous ne vous souciez pas de comparer les réponses aux éléments des enseignants de différents niveaux. Il pourrait donc être judicieux d'effectuer ces analyses séparément pour chaque niveau d'enseignant (de cette façon, vous n'incluriez pas niveau de l’enseignant comme facteur inter-matière). Un moyen simple de procéder consiste à utiliser le filtre de données (Lignes > Filtre de données) et à exclure tout le groupe d'enseignants que vous souhaitez consulter, à l'exception du groupe d'enseignants que vous souhaitez consulter. Le complément, tel que je l'ai écrit, n'inclut pas l'option permettant d'utiliser une variable par variable, ce qui serait normalement le moyen le plus direct de le faire. Je vais l'ajouter à la liste des fonctionnalités que je souhaite ajouter à ce complément.

- Vous pouvez également configurer cette analyse en utilisant Analyser > Ajuster le modèle, qui permet l'utilisation d'une variable Par, en procédant comme suit (en supposant que vos données soient empilées comme illustré dans la description du complément ci-dessus)

- Analyser > Ajuster le modèle

- Réponse comme Y

- L'ID du sujet comme premier facteur, sélectionnez-le dans la section des effets du modèle, cliquez sur "Attributs" puis sélectionnez "Aléatoire" - cela marquera votre ID du sujet comme un effet aléatoire afin que JMP sache comment le modéliser correctement.

- Ajoutez votre facteur de question de test à la section des effets du modèle

- Ajouter le niveau de l'enseignant en tant que variable BY

- Cela renverra trois sorties de modèle Fit distinctes, une pour chaque niveau d'enseignant. À partir de là, vous pouvez effectuer les opérations suivantes :

Questions 1, 2, 3) Après avoir exécuté le modèle à l'aide de ce complément (après avoir utilisé le filtre de données pour inclure un seul groupe d'enseignants), vous pouvez développer la section Détails de l'effet, qui affichera la source de l'élément de test. Si vous avez utilisé Ajuster le modèle avec une variable Par, vous verrez la source de l'élément de test sur le côté droit de la sortie (qui est l'emplacement par défaut, sauf si vous avez modifié l'option « Emphasis » dans Ajuster le modèle en « Rapport minimal », ce qui est ma préférence et celle que le complément ci-dessus utilisera par défaut.

Après avoir trouvé la section correspondant à la source de votre élément de test, cliquez sur le triangle rouge à côté du nom et vous obtiendrez plusieurs options pour effectuer des tests par paires. Étant donné que vous souhaitez tester toutes les combinaisons possibles dans le facteur d'éléments (ce qui représentera beaucoup de tests), je vous recommande d'utiliser l'option Tukey HSD, qui contrôlera votre taux d'erreur par famille dans tous les tests d'un donné. facteur. Le rapport sur les lettres de connexion est un excellent moyen d'examiner les différences, ou si vous souhaitez les valeurs p ajustées, vous pouvez cliquer sur le triangle rouge dans le rapport Tukey HSD et sélectionner Rapport sur les différences ordonnées.

4, 5) Ces tests nécessitent que vous ayez des enseignants dans le même modèle que les éléments, j'exécuterais donc un modèle complet avec le niveau de l'enseignant comme variable entre les matières et l'élément comme variable au sein de la matière. Mon complément aide à configurer ce modèle, mais si vous êtes familier avec les modèles mixtes, vous pouvez également le faire directement via la boîte de dialogue Ajuster le modèle. Une fois que vous disposez du rapport du modèle, développez la section des détails de l'effet et recherchez la source de l'interaction. Là, vous pouvez utiliser « Test Slices », qui effectuera des tranches de contraste : un test pour l'un des facteurs à un seul niveau d'un autre facteur. Par exemple, vous obtiendrez une tranche intitulée « Élément 1 » (ou quelle que soit l’étiquette de ce premier élément) qui permettra de tester s’il existe des preuves que les enseignants diffèrent dans leurs réponses uniquement pour l’élément 1. Vous les obtiendrez pour tous les articles. Ceux-ci semblent être les tests les plus importants pour vous, essentiellement des ANOVA unidirectionnelles pour « l'effet » du niveau de l'enseignant à chaque niveau d'item. Avec les tranches de test, vous obtiendrez également une tranche intitulée « Enseignants du secondaire » (ou quel que soit le nom que vous avez donné à ce niveau) qui permet de tester s'il existe des preuves, dans l'ensemble, que les enseignants du secondaire donnent des notes différentes pour ces éléments. Ces dernières tranches vous seront probablement moins utiles, d’autant plus que vous aurez examiné séparément les différences d’items dans les modèles précédents pour chaque niveau d’enseignant.

Si vous souhaitez être le plus conservateur possible pour ces tests de niveau d'enseignant pour chaque élément, vous pouvez effectuer la même série d'étapes que j'ai suggérées ci-dessus pour filtrer vos données ou utiliser une variable By. Cela signifie que vous configurez 15 modèles différents, un pour chaque élément, avec le seul facteur de niveau de l'enseignant. Une fois que vous avez chaque modèle, vous exécuterez ensuite le test Tukey HSD, vous donnant les rapports de lettres de connexion ou les différences ordonnées avec les valeurs p si vous les demandez. Cela pourrait en fait être un meilleur plan d'action puisque vous n'auriez rien à affirmer sur les covariances entre les éléments puisque vous sous-définissez vos données pour inclure un seul élément à la fois.

Si vous nous proposez ce complément, j'ai deux séries de vidéos avec plus de détails ici :

Module 2:8 - Mesures répétées à un facteur

Module 2:9 - Mesures factorielles répétées

J'espère que ça aide!

julien

Re : Complément ANOVA à mesures factorielles répétées complètes

Je vais télécharger et essayer ce complément, mais j'espère que vous pourrez quand même répondre à ma question ci-dessous. J'ai mis cette situation sur le message de la communauté des utilisateurs JMP il y a environ 5 semaines, mais aucune suggestion pour l'instant. Où dois-je le mettre ?

Mon ensemble de données est constitué des réponses au questionnaire de plusieurs centaines d’enseignants.

environ un tiers sont des élèves du primaire, du collège et du secondaire

ils ont chacun évalué l'importance de 15 éléments sur une échelle de 0 à 3

(je suis à l'aise de traiter ces notes comme des données au niveau de l'intervalle ; ou l'ordinal est OK si cela fonctionne)

Je visualise cela comme une ANOVA à mesures répétées (entre variable = niveau de l'enseignant ; variable répétée = 15 notes) avec des tests de suivi

Mais je m'intéresse peu aux effets principaux : soit les évaluations répétées (la combinaison des scores d'un élément particulier sur 3 niveaux d'enseignant n'a aucun sens), soit entre les niveaux d'enseignant (les éléments ne vont pas ensemble ; chacun est autonome, donc le score total est de pas d'intérêt)

à la place, mes questions sont les suivantes :

1-pour le groupe des enseignants du primaire, lesquels des 15 items sont notés significativement plus haut que les autres items ?

2- idem pour la question des professeurs de collège

3- même question pour les professeurs de lycée

4-L'un des 3 groupes d'enseignants évalue-t-il l'item 1 de manière significativement différente des deux autres groupes ?

5- même question pour les éléments 2 à 15

(Je me rends compte que je vais devoir diviser l'alpha assez finement pour me protéger contre l'inflation)

ma première pensée a été l'ANOVA pour les mesures répétées avec des tests de suivi, et j'ai simplement ignoré les principaux effets pour passer aux tests de suivi.

mais le test de sphéricité de Mauchly était significatif, indiquant apparemment (?) la nécessité d'une MANOVA avec des tests de suivi. Si tel est le cas, comment puis-je effectuer des comparaisons moyennes de suivi après une MANOVA dans JMP ?

Alternativement, devrais-je envisager une analyse différente, puisque les principaux effets ne m'intéressent pas ?