Complemento ANOVA de medidas repetidas factorial completo
Este complemento genera los términos del modelo lineal de efectos mixtos (efectos aleatorios y fijos) para diseños unidireccionales o factoriales completos de medidas repetidas que involucran una variable de respuesta continua (las respuestas categóricas no son compatibles en este momento)
Tutoriales en vídeo para el complemento:
Un factor: https://youtu.be/fh8jiFf2z-o
Factorial : https://youtu.be/py3-wvPYitM
Instalación:
- Descargue factorial_repeated_measures.jmpaddin al final de esta página.
- Una vez descargado, haga doble clic en el archivo para abrirlo en JMP.
- Se le preguntará si desea instalar el complemento. Seleccione Instalar.
- En el menú Complementos, tendrá una sección para "Medidas repetidas".
Diseños factoriales:
En los diseños factoriales de medidas repetidas, los sujetos se miden en cada condición de la combinación factorial de los factores intrasujetos y se miden en un solo nivel de factores entre sujetos. Por ejemplo, los sujetos en un experimento de cata de vinos podrían probar y calificar varios vinos diferentes, pero generalmente se miden en un nivel de género y experiencia, ya que los niveles de estos factores son difíciles de cambiar en el transcurso del tiempo de un experimento. Los diseños factoriales completos implican una completo cruce de factores. En el experimento de ejemplo siguiente, cada sujeto prueba vino de 8 copas, formadas a partir de la combinación factorial de cuatro vinos diferentes clasificados bajo las dos condiciones de Etiqueta (cuatro de las copas se colocaron frente a botellas con etiquetas de aspecto caro y cuatro delante de botellas con etiquetas de aspecto barato). El cruce factorial de Experiencia y Género, los factores entre sujetos, implica medir a los individuos en las cuatro combinaciones (F/Experto, F/Novicio, M/Experto, M/Novicio). Estos factores son "entre sujetos" porque ningún sujeto se mide en más de un nivel de los factores de experiencia y género.
Estimación del modelo
Este complemento genera un análisis de modelo lineal de efectos mixtos. Sin datos faltantes, este análisis produce estimaciones y pruebas que son idénticas a un análisis de medidas repetidas de un modelo lineal general univariante, asumiendo simetría compuesta. Sin embargo, los modelos mixtos estiman los términos del modelo de manera diferente, por lo que las estimaciones serán diferentes (y potencialmente mejores) en presencia de datos faltantes; El análisis univariante de medidas repetidas de GLM requiere datos completos y los sujetos a los que les faltan células se eliminan, mientras que los modelos mixtos pueden tolerar datos faltantes sin eliminar a un sujeto completo del análisis. Los datos faltantes (que no faltan al azar) pueden sesgar las estimaciones del modelo, así que asegúrese de investigar la causa de los datos faltantes antes de interpretar los resultados de cualquier modelo.
Uso:
Convierta las columnas en la función adecuada y haga clic en "Ejecutar modelo" o haga clic en "Iniciar cuadro de diálogo" para pasar al cuadro de diálogo Ajustar modelo y realizar cambios en el modelo antes de ejecutarlo. Para mantener el cuadro de diálogo abierto después de ejecutarlo, marque la casilla "Mantener el cuadro de diálogo abierto".
Nota: Para estos modelos, "ID del sujeto" debe tener un tipo de modelado Nominal; este complemento establecerá automáticamente el tipo de modelado en Nominal si aún no lo está.
Se generan los términos del modelo y se lanza una salida del modelo de ajuste con un resumen de detalles de ajuste y criterios de información, estimaciones de componentes de varianza REML, pruebas de efectos fijos y detalles de efectos.
En este caso (con dos factores intrasujetos y dos factores entre sujetos), el modelo generado es el siguiente:
| Modelo |
|---|
Efectos (
: Género ,
: Pericia ,
: Vino ,
: Etiqueta ,
: Género * : Pericia ,
: Género * : Vino ,
: Género * : Etiqueta ,
: Pericia * : Vino ,
: Pericia * : Etiqueta ,
: Vino * : Etiqueta ,
: Género * : Pericia * : Vino ,
: Género * : Pericia * : Etiqueta ,
: Género * : Vino * : Etiqueta ,
: Pericia * : Vino * : Etiqueta ,
: Género * : Pericia * : Vino * : Etiqueta
) ,
Efectos aleatorios (
: Juez [ : Género , : Pericia ] ,
: Juez * : Vino [ : Género , : Pericia ] ,
: Juez * : Etiqueta [ : Género , : Pericia ] ,
: Juez * : Vino * : Etiqueta [ : Género , : Pericia ]
) ,
|
Hay muchas opciones disponibles en el Triángulo Rojo superior, incluidos informes de regresión adicionales, estimaciones de parámetros, gráficos de diagnóstico y residuos de ahorro, pares de apalancamiento, etc.
Gráficos, medias y pruebas
Expandir Detalles del efecto generar gráficos para factores e interacciones individuales, y realizar pruebas en las medias de las celdas utilizando todas las pruebas T por pares, Tukey HSD y contrastes lineales.
Para perfilar el modelo de forma interactiva, seleccione el Triángulo rojo superior > Perfilado de factores > Perfilador
Modificar y ver modelo
Seleccione el Triángulo Rojo superior y seleccione Diálogo de modelo para ver las especificaciones del modelo y realizar cambios en el modelo.
Formato de datos
Este complemento requiere que los datos estén en formato alto o largo. Esto ocurre cuando las observaciones repetidas de un sujeto se representan en filas, en lugar de en columnas (ver más abajo).
Si necesita reestructurar datos amplios, use Tablas > Apilar y convierta las columnas con observaciones repetidas en la sección Apilar columnas. Para diseños factoriales, deberá separar los niveles de cada factor. Usando Col > Recode esto se puede hacer rápidamente.
Detalles adicionales:
- Este complemento genera términos con el siguiente algoritmo:
- Factorial completo de todos los factores de efectos fijos (todos los factores intra y entre sujetos)
- Factorial completo solo de factores intrasujeto y factor sujeto (sin términos redundantes)
- Todos los términos que involucran al tema están marcados como efectos aleatorios.
- Si hay factores entre sujetos, todos los términos que involucran sujetos se marcan como anidados en todos los factores entre sujetos.
- Si hay réplicas de cada celda (cada sujeto estuvo en cada condición más de una vez), se puede estimar la interacción de mayor orden con los sujetos. Si no hay réplicas, esta interacción de orden más alto se confunde con el residual (ES el residual) y se eliminará automáticamente.
- Los modelos están limitados a hasta 5 factores intrasujetos y hasta 5 factores entre sujetos. Si utiliza habitualmente modelos con más de 5 factores intrasujetos o 5 factores intersujetos, hágamelo saber.
Vídeos adicionales:
Tengo dos conjuntos de videos con más detalles aquí que podrían ser útiles. Si nos va a enviar este complemento.
Módulo 2:8 - Medidas repetidas de un factor
Módulo 2:9 - Medidas factoriales repetidas
¡Espero que esto ayude con sus análisis de medidas repetidas!
Julian
Historial de actualizaciones:
v0.09: Se agregó el botón "Iniciar diálogo"
v0.08: Se agregó el botón "Recuperar" y la casilla de verificación "Mantener el diálogo abierto".
Diseño de experimentosEstadísticasEnseñanza de EstadísticaUtilidadesRe: Complemento ANOVA de medidas repetidas factorial completoEstimado @Julian ,
¿La relación F en la tabla de efectos fijos que se genera utilizando el complemento de medidas repetidas se basa en la suma de cuadrados de tipo II o tipo III?Parece que la relación F está más cerca de calcularse utilizando SS Tipo II.
Re: Complemento ANOVA de medidas repetidas factorial completoEstimado @Julian ,
He estado usando este complemento por un tiempo y es muy útil.
¿Sería posible cambiar "anidado" a "Cruz" para los coeficientes aleatorios? esto permitiría el uso de "factores entre sujetos" continuos. Por el momento, al introducir "factores entre sujetos" continuos, la plataforma del modelo de ajuste se niega a estimar los términos anidados (y el modelo en su conjunto).
Muchas gracias por sus contribuciones innovadoras.
ron
Re: Complemento ANOVA de medidas repetidas factorial completoHola julián,
Todavía soy fanático de este complemento y me preguntaba cuál podría ser su cronograma para la próxima iteración. Por ejemplo, actualmente termino usando SPSS u otro software para probar los tamaños de los efectos, ya que no parece haber una manera fácil de obtenerlos de JMP para diseños dentro del sujeto o de efectos mixtos. Lo cual también es un serio inconveniente cuando se usa JMP para enseñar estadísticas. Sería muy útil si esto pudiera agregarse a este complemento (o el complemento "Calcular tamaños de efectos" podría ampliarse para que funcione con diseños mixtos y dentro del tema).
Saludos y gracias!
Bernhard
Re: Complemento ANOVA de medidas repetidas factorial completoHola @jsheldon1 ,
Lamento saber que estás teniendo problemas. Sería útil si pudiera contarme más sobre lo que está intentando hacer y cómo es su conjunto de datos. Si puede adjuntar un pequeño trozo, sería especialmente útil. Sin saber más, lo mejor que tengo es que tiene caracteres especiales en uno de los nombres de las columnas (este complemento no es particularmente resistente a los caracteres no alfanuméricos en los nombres de las columnas). ¿Podría ser ese el problema? Julián
Re: Complemento ANOVA de medidas repetidas factorial completoEstoy intentando ejecutar un análisis con su complemento y aparece este mensaje de error:
Opción de efecto no reconocido 2 veces en el acceso o evaluación de 'Y' , :ID[:State] & /*###*/Random/*###*/
¿Alguna idea de lo que podría significar?
Re: Complemento ANOVA de medidas repetidas factorial completoGracias Julian, ¡espero ver qué cocinarás!
Tienes razón, la macro "factorial completa" es realmente útil
salud
Bernhard
Re: Complemento ANOVA de medidas repetidas factorial completoHola @bernhard ,
¡Gracias por las sugerencias! Las agregaré a mi lista de mejoras futuras y me aseguraré de avisarles cuando haya una nueva versión disponible. Por cierto, para diseños completamente entre sujetos, el cuadro de diálogo estándar Ajustar modelo funciona bastante bien: simplemente seleccione todos sus factores en la lista de columnas, luego haga clic en el Triángulo rojo al lado de Macros, luego Factorial completo (o Ordenado factorial) para generar automáticamente todos los efectos del modelo.
@Julian
Re: Complemento ANOVA de medidas repetidas factorial completoHola julián,
Gracias de nuevo por este complemento, es muy útil y mucho más fácil de usar que la forma predeterminada de hacer las cosas de JMP.
En caso de que esté interesado en sugerencias para futuras mejoras:
- agregar opciones para probar el suposiciones Sería invaluable (especialmente cuando se enseña usando JMP, pero también para los análisis cotidianos)
- agregar opciones para probar tamaños de efecto También sería genial, especialmente teniendo en cuenta que la mayoría de las revistas, APA, etc. solicitan la inclusión de tamaños de efecto.
- ¿Se podría ampliar este complemento para que también funcione solo con efectos entre sujetos? Que probablemente se convierta en el recurso principal para todas mis necesidades de ANOVA;)
Saludos y gracias!
Bernhard
Re: Complemento ANOVA de medidas repetidas factorial completoHola julián,
Me gustaría hacer otra pregunta. ¿Por qué obtengo estimaciones diferentes cuando hago un modelo de intercepción aleatoria en JMP y en SPSS? Puedo ver que en JMP hay más grados de libertad en comparación con la salida en SPSS.Cuando se trata de efectos fijos, obtengo exactamente el mismo resultado. ¿Es realmente un problema que dos software diferentes muestren el mismo resultado estadístico, en términos de valor F y valor p, pero diferentes estimaciones para efectos fijos?
¡Muchas gracias!
Salud
dalia
Re: Complemento ANOVA de medidas repetidas factorial completo@Julian
Gracias por la rápida respuesta. Sí, parece que tengo altas autocorrelaciones temporales. Preguntaré sobre esto en la comunidad JMP general.
Re: Complemento ANOVA de medidas repetidas factorial completoHola @tsingh ,
Estaría encantado de brindarle algunas ideas generales, pero los datos de series temporales como estos no son mi especialidad, por lo que creo que tendrá más suerte si publica su pregunta en la comunidad general de JMP. Mi intuición es que probablemente no deberías analizar estos datos con este complemento. Ahora, eso no quiere decir que no pueda: el sitio podría ser su ID de sujeto y el mes un efecto dentro del sujeto, pero ignorará toda la autocorrelación entre puntos cercanos en el tiempo, y probablemente haya una buena razón para modelar los patrones cíclicos de temperatura tanto dentro como entre días. A menos que realmente pudiera afirmar que las mediciones de temperatura dentro de un mes para un sitio determinado eran independientes, ¡yo tomaría una ruta diferente! Nuevamente, el foro de discusión de la comunidad general es un buen lugar para esta pregunta; espero que alguien con algo de experiencia en series temporales tenga algunos consejos para compartir.
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoHola julián,
Me gustaría recibir su consejo sobre cómo debo analizar mis datos utilizando este análisis y si este análisis es adecuado para mis datos.
Tengo mediciones horarias de datos de temperatura del agua durante 5 meses en 5 sitios.
24 x 30 x 5 x 5 = 18000 puntos de datos.
Quiero ver si la temperatura del agua es significativamente diferente entre los sitios cada mes, y también si hay diferencias significativas entre los sitios en general, es decir, la interacción entre sitio y sitio x mes.
Mis datos tienen formato largo, con los siguientes nombres de columnas
1.Sitio
2.Número de día (0-150)
2. Mes (junio-octubre)
3. horas (0-24)
4. Temperatura (variable de respuesta)
Así que he estado agregando meses y sitios dentro de los factores temáticos.
Estoy un poco confundido acerca de qué factor poner en el ID del sujeto, si debería ser el número de día o las horas. No me interesa ver variaciones horarias o diarias.
¿También crees que debería usar anova repetido factorial completo para mis datos o crees que debería hacer un modelo mixto especificando una estructura repetida (ex corAR1, etc.)?
Muchas gracias.
Re: Complemento ANOVA de medidas repetidas factorial completoHola @dalia ,
Acabo de responder a tu mensaje privado, pero pensé que otras personas que lean estos comentarios podrían estar interesadas en la respuesta, así que la pego aquí. ¡Espero que esto ayude a aclarar algunas cosas!
---
¡Ojalá pueda ayudar un poquito con esto! Los modelos mixtos ciertamente pueden ser complicados, especialmente porque a veces no existe un único modelo "correcto" para una situación determinada. Este complemento se ajustará a un "modelo máximo", y con esto quiero decir que se ajustará a todas las interacciones posibles entre sus sujetos (el efecto aleatorio) y sus efectos fijos (factores reales en su experimento). Si no está muy familiarizado con los modelos mixtos, probablemente no sea de gran ayuda. Lo que esto significa, en general, es que se estiman más parámetros en un modelo máximo completo que en un modelo simplificado en el que se estima solo una intersección aleatoria para cada sujeto. En el modelo más simple, con sólo el intercepto aleatorio (sólo el término para sujeto marcado como aleatorio, pero sin interacciones entre la variable sujeto y otras variables), se está afirmando que los sujetos difieren sólo en su calificación promedio entre sí: que reaccionará de la misma manera a sus manipulaciones (y este es el modelo que ejecutó siguiendo el pdf en la biblioteca de aprendizaje). En este modelo, cualquier variación que se observe entre diferentes sujetos en la forma en que responden a los estímulos se clasifica como error puro, en lugar de diferencias reales en cómo las personas reaccionan a los estímulos. Por lo general, esto no es realista; sin embargo, este tipo de modelo utiliza muchos menos grados de libertad y, por lo tanto, tiene más libertad de error, lo que en general significa más poder.
Entonces, ¿qué es mejor? Me gusta usar mi ejemplo de vino para esto: en el ejemplo del complemento, el modelo se ajustará a una interacción entre los sujetos y el tipo de vino (tinto o blanco). Esto es útil porque a algunas personas les gusta más el vino tinto que el blanco y a otras les gusta más el blanco que el tinto. Dado que hay un parámetro en el modelo que puede explicar esa variación entre las personas, las diferencias observadas en la reacción promedio a los vinos blancos y tintos no se interpretan como un error puro, sino como una variación sistemática entre las personas. Con un tamaño de muestra grande, poder distinguir entre ese error sistemático y el error puro conduciría a más poder. Con una muestra pequeña, es probable que se pasen por alto efectos al ajustar todas las interacciones adicionales, a menos que las interacciones sean realmente bastante grandes (por ejemplo, tiene un grupo de personas que difieren ampliamente en sus preferencias por el vino).
Entonces, todo esto es para decir que, en general, para los sujetos humanos, tiendo a pensar que vale la pena estimar estas interacciones entre el efecto aleatorio (nuestros sujetos) y los factores fijos, ya que es difícil creer que las personas, a diferencia de las máquinas, reaccionarán de la misma manera. Lo mismo ocurre con las manipulaciones. Si tiene muestras pequeñas, a veces es mejor trabajar con un modelo reducido con solo algunas de las pendientes aleatorias (interacciones con los sujetos). Puede tener una idea de cuánta variación representan las pendientes aleatorias consultando la sección "Componentes de varianza REML". Si las interacciones con el sujeto representan un gran porcentaje de la variación total, probablemente sean útiles; de lo contrario, algunos argumentarían que debería eliminarlas. Recuerde, siempre puede ir al triángulo rojo en la parte superior y seleccionar "Diálogo de modelo" y luego ir a la sección de efectos aleatorios para eliminar términos.
Re: Complemento ANOVA de medidas repetidas factorial completoHola julián,
Me gustaría pedir ayuda ya que tengo dificultades para comprender tres tipos de estrategias aplicadas para estudiar las medidas repetidas. En mi estudio, todos ellos dan resultados diferentes. Estos modelos incluyen lo siguiente:
1) Complemento ANOVA mixto factorial completo
2) Análisis de modelo mixto utilizando el modelo de ajuste y sujeto aleatorio en la sección de atributos: https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747
3) Personalidad de modelo mixta con Pro
Mi diseño incluye 16 publicidades en 4 categorías vistas por 2 grupos de consumidores. Estudio sus diferencias en el compromiso cognitivo.
1) para un primer modelo, utilizo el compromiso cognitivo como dependiente, el grupo de consumidores como entre, la categoría de publicidad como dentro y la identificación del sujeto como un efecto aleatorio.
2) Mi intersección aleatoria es el ID del sujeto, mi dependiente es el compromiso cognitivo, modelo la categoría de consumidor, la categoría de anuncio y su interacción.
3) No tengo la versión Pro. ¿Hay alguna diferencia entre hacer un análisis de modelo mixto como en el segundo caso o usar el modelo mixto?
Muchas gracias. Realmente aprecio tu ayuda.
Salud
dalia
Re: Complemento ANOVA de medidas repetidas factorial completo<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />El diseño de mi estudio es 2 x 2 x 3 x 3. t Los primeros tres factores (2x2x3) fueron dentro de los participantes, y el tercero (con 3 niveles) fue entre. Cuando uso el complemento, el informe dice que tengo "DF perdidos", lo que supongo que significa grados de libertad, en la sección Prueba de efectos fijos. Además, no proporciona ningún otro resultado en la Prueba de efectos fijos. ¿Alguien puede decirme por qué ocurre esto?
Re: Complemento ANOVA de medidas repetidas factorial completo¡Gracias por los comentarios, MS! Realmente debería hacer esto más robusto para los caracteres especiales, ¡y parece que lo he hecho en algunos lugares pero no en otros!
Re: Complemento ANOVA de medidas repetidas factorial completo¡Excelente complemento adicional! Ahorra mucho tiempo en comparación con ingresar manualmente el mismo modelo en el cuadro de diálogo Ajustar modelo.
El único problema hasta ahora son los nombres de columnas que contienen caracteres impares como "%", "(" o "/". Recibo un mensaje de error y el registro dice
"No se puede encontrar el elemento "Respuesta Cs137/kg ps" en el contexto del esquema {"Respuesta Cs137/kg ps"}
Nombre sin resolver: Cs137 en el acceso o evaluación de 'Cs137', :Cs137/*###*/Excepción en el lanzamiento de la plataforma"
Pero a pesar de esto, se genera un informe con estimaciones idénticas pero con un conjunto diferente de cuadros de esquema (¿se ajusta al modelo por defecto?).
(Yo uso JMP 12.2 para Mac)
Re: Complemento ANOVA de medidas repetidas factorial completoHola Benson,
Quería informarle que agregué las opciones "Recuperar" y "Mantener el cuadro de diálogo abierto" a la versión más reciente de este complemento. ¡Espero que esto ayude!
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoJulian,
Creo que tienes razón en varias cuentas. El tiempo en mi estudio es continuo (0-120 min; incrementos de 5 min), así como el gl. Estoy haciendo un análisis preliminar y solo tenemos un n de 4, por lo que se necesitan más sujetos. Sin embargo, ahora conozco el proceso para el complemento Anova bidireccional.
¡Gracias por tu ayuda!
Re: Complemento ANOVA de medidas repetidas factorial completoSi le faltan esos intervalos de confianza, sospecho que también recibió otros errores al intentar ajustar el modelo. Por la cantidad de niveles que tiene para el Tiempo, sospecho que no tiene suficientes grados de libertad para ajustarse al modelo usando el tiempo como nominal. Esperaba que hubiera medido individuos en muchos menos puntos de tiempo. Dada la cantidad de niveles que tiene, parece que sería mejor modelar el tiempo como un efecto continuo, es decir, estimar una pendiente entre Y y el tiempo para cada condición en lugar de medias para Y en cada punto temporal para cada condición (que es (lo que supone tratar el tiempo como nominal y, por tanto, resulta caro en términos de parámetros estimados).Esto no es algo para lo que esté diseñado mi complemento: el modelo que intenta ajustar es uno en el que está anidando coeficientes aleatorios, algo que puede hacer con la personalidad dedicada de Modelo mixto en Ajustar modelo en JMP Pro. Aquí está la página de documentación sobre eso:
Lanzar la personalidad del modelo mixto
¡Lo siento, mi complemento no pudo ayudarlo con este análisis!
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoSí, la prueba y los tratamientos son intercambiables. En mi modelo, hay 3 tratamientos/ensayos. Cambié las pruebas y el tiempo a ambos nominales. ¿Es normal que la salida no proporcione el IC del 95% superior e inferior cuando realiza este cambio?
Re: Complemento ANOVA de medidas repetidas factorial completoEsto sucederá si el tiempo, la prueba o ambos están marcados como continuos en su conjunto de datos. Todos deben marcarse como nominales para este complemento y tipo de análisis para estimar la media y la diferencia de medias entre los tratamientos en los diferentes momentos.
Por cierto, ¿Trial es un alias de Tratamiento o quería tener Tratamiento en su modelo en lugar de Prueba?
Re: Complemento ANOVA de medidas repetidas factorial completoGracias Julián.
Sí, estás en lo correcto. Estoy tratando de observar las diferencias entre los puntos temporales por tratamiento. Sin embargo, cuando se hace clic en el triángulo rojo del cuadro de tiempo de prueba* debajo del cuadro de detalles del efecto para ejecutar el análisis, parece que ninguna de las opciones está resaltada. Puedo realizar análisis adicionales en los cuadros Prueba y Asunto, individualmente. Por favor, mira la imagen si eso tiene sentido:
Re: Complemento ANOVA de medidas repetidas factorial completoHola jxa014 ,
Puede realizar comparaciones de seguimiento expandiendo la sección Detalles del efecto y luego usando los triángulos rojos al lado de cada fuente en su modelo. Parece que lo que más le interesa es hacer comparaciones entre los tratamientos en diferentes momentos, lo que significa que buscará la sección de prueba x tiempo y luego usará una de las opciones allí. Tengo algunos videos que demuestran algunas de estas opciones de seguimiento. Estos videos analizan un modelo factorial de medidas no repetidas, pero los principios son idénticos.
Descripción general de comparaciones simples por pares en Fit Model:
Comparaciones por pares en JMP con modelo de ajuste (Módulo 2 3 4) - YouTube
Ánova factorial general:
ANOVA factorial (4x4) Análisis completo (Módulo 2 5 10) - YouTube
Probar rebanadas (que creo que te podrían interesar especialmente)
Prueba de cortes en diseños factoriales (Módulo 2 5 11) - YouTube
Esos videos son parte de mi serie de videos, Significantly Statistical Methods in Science, y puedes encontrar el conjunto completo de módulos aquí:
Lista de reproducción de métodos significativamente estadísticos en la ciencia
¡Espero que esto ayude!
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoJulian,
Eso fue perfecto. Muchas gracias. Ejecuté el análisis de una de las variables de respuesta y aquí estaba el resultado:
Pruebas de efectos fijos
Fuente nparm DF DFden Relación F Problema > F
Ensayo 2 2 6.006 2.6589 0.1489
Tiempo 1 1 2.938 389.5700 0.0003
Tiempo de prueba* 2 2 5.904 5.5986 0.0433
¿Ahora sigo las pruebas de la interacción prueba x tiempo?
Re: Complemento ANOVA de medidas repetidas factorial completoHola jxa014 ,
¡Claro, estaré encantado de darte alguna orientación aquí!¿Su tabla de datos está estructurada en el formato que mostré arriba (formato largo o alto, con observaciones repetidas para un tema en las filas)?De lo contrario, deberá apilar sus datos usando Tablas > Apilar.Déjame saber si necesitas hacer esto y puedo darte consejos más específicos. También sería útil si incluyera un ejemplo de su conjunto de datos (aunque solo sea unas pocas filas) para poder asesorarlo mejor.
Si sus datos están en el formato correcto, configurar el análisis debería ser sencillo: coloque la variable de sujetos (lo que identifique de manera única a los sujetos) en la sección ID de sujeto, coloque el TIEMPO en la sección Factor intrasujeto (ya que tiene observaciones repetidas para los sujetos En Diferentes Momentos).La TRT puede ser intrasujeto o entre sujetos dependiendo de su metodología. Si midieras cada sujeto bajo En los tres tratamientos, la TRT debe ir en la sección intrasujeto. Si asignó a cada sujeto solo uno de los tres tratamientos, entonces la TRT debería ir en la sección de factores entre sujetos.
Una vez que ejecute el modelo, recibirá el resultado estadístico habitual. Si está más interesado en la interacción tiempo x tratamiento, puede encontrar detalles sobre la significancia estadística en la tabla Prueba de efectos fijos y, en Detalles del efecto, puede encontrar las medias LS y ejecutar comparaciones de seguimiento.
¡Espero que esto ayude!
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoHola,
Acabo de descargar este complemento y se ve muy bien, pero estoy acostumbrado a realizar el análisis en el modelo de ajuste JMP tradicional. Me pregunto si podrías ayudarme con el diseño con mis variables y experimentar:
Tengo un experimento en el que nuestros sujetos (SUJETOS) recibieron 3 tratamientos (TRT), cada uno de ellos analizado durante 2 horas (TIEMPO), y se registraron varias variables de respuesta (temperatura central, frecuencia cardíaca y temperatura de la piel).
Quiero observar las medidas repetidas (tratamiento x tiempo) y observar específicamente si hay diferencias entre las TRT para cada momento.
¡¡¡Déjame saber lo que piensas!!!
Re: Complemento ANOVA de medidas repetidas factorial completoHola benson.munyan ,
¡Sí, es una gran sugerencia! Lo agregué a la lista de mejoras para la próxima versión.También agregaré una casilla de verificación para "Mantener el diálogo abierto", que es algo que hago a menudo en Fit Model cuando pruebo diferentes modelos.
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoHola julián,
He estado usando tu complemento extensamente y realmente me gusta. Mi única queja importante es que no tiene un botón de recuperación como muchas de las otras plataformas. ¿Alguna posibilidad de que se pueda agregar?
¡Gracias!
Re: Complemento ANOVA de medidas repetidas factorial completoHola daculino ,
Perdón por perder tu mensaje hasta ahora. Déjame abordar cada una de tus preguntas.
En general, sus preguntas parecen apropiadas para analizar en el contexto de un ANOVA de medidas repetidas (o un modelo mixto, que es lo que hace este complemento), incluso si no tiene interés en los efectos o interacciones principales. Sin embargo, hay algunas cosas a considerar:
a) con una escala de 0 a 3 no hay muchas razones para pensar que las puntuaciones de la población se distribuyen normalmente, por lo que podría preocuparse un poco por esa suposición del modelo. Sin embargo, dijiste que tienes varios cientos de profesores, por lo que el teorema del límite central te ayudará en este sentido.
b) probablemente se dé el caso de que sus covarianzas entre las preguntas difieran: algunas respuestas a las preguntas probablemente se relacionarán más fuertemente con otras. En esencia, esto es lo que tu Prueba de esfericidad de Mauchly estaba indicando... una violación de esa suposición. Esto plantea un pequeño problema para las pruebas de seguimiento, ya que algunas pueden ser conservadoras y otras anticonservadoras. Analizar subconjuntos de datos puede reducir un poco esta preocupación, ya que se hacen suposiciones sobre menos covarianzas. Si está utilizando JMP Pro, estas pruebas se pueden ejecutar con covarianzas no estructuradas, pero no vayamos a eso todavía.
c) Para las primeras tres preguntas, parece que no le interesa comparar las respuestas a los ítems de profesores de diferentes niveles, por lo que podría tener sentido realizar estos análisis por separado para cada nivel de profesor (de esta manera, no estaría incluyendo nivel docente como factor interdisciplinario). Una forma sencilla de hacerlo es utilizar el filtro de datos (Filas > Filtro de datos) y excluir a todos excepto al grupo de profesores que desea ver. El complemento, tal como lo he escrito, no incluye la opción de usar Por variable, que sería la forma más directa de hacerlo normalmente. Agregaré esto a la lista de funciones que quiero agregar a este complemento.
- Alternativamente, puede configurar este análisis usando Analizar > Ajustar modelo, que permite el uso de Por variable, haciendo lo siguiente (suponiendo que tenga sus datos apilados como se ilustra en la descripción del complemento anterior)
- Analizar > Ajustar modelo
- Respuesta como Y
- ID del sujeto como primer factor, selecciónelo en la sección de efectos del modelo, haga clic en "Atributos" y luego seleccione "Aleatorio". Esto marcará su ID del sujeto como un efecto aleatorio para que JMP sepa cómo modelarlo correctamente.
- Agregue su factor de pregunta de prueba a la sección de efectos del modelo
- Agregar nivel de maestro como variable BY
- Esto devolverá tres resultados del modelo Fit separados, uno para cada nivel de maestro. Desde allí puedes hacer lo siguiente a continuación:
Preguntas 1, 2, 3) Después de ejecutar el modelo usando este complemento (después de usar el filtro de datos para incluir solo un grupo de maestros), puede expandir la sección Detalles del efecto, que mostrará la fuente del elemento de prueba. Si ha utilizado Ajustar modelo con Por variable, verá la fuente del elemento de prueba en el lado derecho de la salida (que es la ubicación predeterminada, a menos que haya cambiado el "Énfasis" en Ajustar modelo a "Informe mínimo", que es mi preferencia y la que usará de forma predeterminada el complemento anterior.
Después de encontrar la sección para la fuente de su elemento de prueba, haga clic en el Triángulo rojo al lado del nombre y obtendrá varias opciones para realizar pruebas por pares. Dado que está interesado en probar todas las combinaciones posibles dentro del factor de elementos (que serán muchas pruebas), recomendaría usar la opción Tukey HSD, que controlará su tasa de error familiar en todas las pruebas dentro de un determinado factor. El informe de letras conectadas es una excelente manera de ver las diferencias, o si desea obtener los valores p ajustados, puede hacer clic en el Triángulo rojo en el informe Tukey HSD y seleccionar Informe de diferencias ordenadas.
4, 5) Estas pruebas requieren que tenga maestros en el mismo modelo que los elementos, por lo que ejecutaría un modelo completo con el nivel del maestro como variable entre materias y el elemento como variable dentro de la materia. Mi complemento ayuda a configurar ese modelo, pero si está familiarizado con los modelos mixtos, también puede hacerlo directamente a través del cuadro de diálogo Ajustar modelo. Una vez que tenga el informe del modelo, expanda la sección de detalles del efecto y busque la fuente de la interacción. Allí puede utilizar "Test Slices", que realizará cortes de contraste: una prueba para uno de los factores en un solo nivel de otro factor. Por ejemplo, obtendrá una porción denominada "Ítem 1" (o cualquiera que sea la etiqueta del primer ítem) que será una prueba para determinar si hay evidencia de que los maestros difieren en sus respuestas solo para el ítem 1. Los obtendrá para todos los artículos. Estas parecen ser las pruebas más importantes para usted, esencialmente ANOVA unidireccionales para el "efecto" del nivel del maestro en cada nivel del ítem. Con los segmentos de prueba, también obtendrá un segmento denominado "Profesores de secundaria" (o lo que sea que haya etiquetado para ese nivel), que es una prueba de si existe evidencia, en general, de que los maestros de secundaria otorgan calificaciones diferentes para esos elementos. Estos últimos fragmentos probablemente le resulten menos útiles, especialmente porque habrá analizado las diferencias de elementos en los modelos anteriores por separado para cada nivel de profesor.
Si desea ser más conservador en estas pruebas de nivel de maestro para cada elemento, puede realizar la misma serie de pasos que sugerí anteriormente para filtrar sus datos o usar una variable Por. Esto significará que estará configurando 15 modelos diferentes, uno para cada elemento, con el único factor del nivel del profesor. Una vez que tenga cada modelo, ejecutará la prueba Tukey HSD, que le proporcionará los informes de letras conectadas o las diferencias ordenadas con valores p si los solicita. En realidad, este podría ser un mejor curso de acción, ya que no tendría que afirmar nada sobre las covarianzas entre los elementos, ya que está subconjuntos de datos para incluir solo un elemento a la vez.
Si va a usar este complemento, tengo dos conjuntos de videos con más detalles aquí:
Módulo 2:8 - Medidas repetidas de un factor
Módulo 2:9 - Medidas factoriales repetidas
¡Espero que esto ayude!
Julian
Re: Complemento ANOVA de medidas repetidas factorial completoVoy a descargar y probar este complemento, pero espero que puedas ayudarme con mi pregunta a continuación de todos modos. Puse esta situación en la publicación de la comunidad de usuarios de JMP hace aproximadamente 5 semanas, pero hasta ahora no hay sugerencias. ¿Dónde debería ponerlo?
Mi conjunto de datos consta de las respuestas al cuestionario de varios cientos de profesores.
aproximadamente un tercio son de primaria, secundaria y secundaria
cada uno calificó la importancia de 15 ítems en una escala de 0 a 3
(Me siento cómodo tratando estas calificaciones como datos de nivel de intervalo; o el ordinal está bien si funciona)
Visualizo esto como un ANOVA de medidas repetidas (entre variables = nivel del maestro; variable repetida = 15 calificaciones) con pruebas de seguimiento.
Pero tengo poco interés en los efectos principales: ya sea calificaciones repetidas (combinar las puntuaciones de cualquier ítem en particular en 3 niveles de docentes no tiene sentido), o entre niveles de docentes (los ítems no van juntos; cada uno es independiente, por lo que la puntuación total es de no hay interés)
en cambio, mis preguntas son estas:
1-para el grupo de profesores de primaria, ¿cuáles de los 15 ítems tienen una calificación significativamente más alta que otros ítems?
2- lo mismo para la pregunta profesores de secundaria
3- misma pregunta para profesores de secundaria
4-¿Uno de los 3 grupos de docentes califica el ítem 1 de manera significativamente diferente a los otros dos grupos?
5- misma pregunta para los elementos 2—15
(Me doy cuenta de que voy a tener que cortar alfa bastante fino para protegerme contra la inflación)
Mi primer pensamiento fue ANOVA para medidas repetidas con pruebas de seguimiento, y simplemente ignorar los efectos principales para llegar a las pruebas de seguimiento.
pero la prueba de esfericidad de Mauchly fue significativa, lo que aparentemente (?) indica la necesidad de un MANOVA con pruebas de seguimiento. Si es así, ¿cómo realizo comparaciones de medias de seguimiento después de un MANOVA en JMP?
Alternativamente, ¿debería considerar un análisis diferente, ya que no estoy interesado en los efectos principales?
