完全階乗反復測定 ANOVA アドイン
このアドインは、連続応答変数を含む一元配置または完全階乗反復測定計画の線形混合効果 (ランダム効果と固定効果) モデル項を生成します (現時点ではカテゴリ応答はサポートされていません)。
アドインのビデオチュートリアル:
1 つの要因: https://youtu.be/fh8jiFf2z-o
階乗: https://youtu.be/py3-wvPYitM
インストール:
- このページの下部から、factorial_repeat_measures.jmpadin をダウンロードします。
- ダウンロードしたら、ファイルをダブルクリックして JMP で開きます。
- アドインをインストールするかどうかを尋ねるメッセージが表示されます。 「インストール」を選択します。
- [アドイン] メニューの下に、[繰り返し測定] セクションがあります。
要因計画:
反復測定要因計画では、被験者は被験者内要因の要因組み合わせの各条件で測定され、被験者間要因の 1 つのレベルのみで測定されます。 たとえば、ワインのテイスティング実験の被験者は、いくつかの異なるワインをテイスティングして評価することができますが、これらの要素のレベルは実験の時間の経過とともに変更することが難しいため、通常は性別と専門知識の 1 つのレベルで測定されます。 完全要因計画には、完了因子のクロス。 以下の実験例では、各被験者は、ラベルの 2 つの条件下で評価された 4 つの異なるワインの階乗組み合わせから形成された 8 つのグラスからワインを試飲します (グラスのうち 4 つは高価そうなラベルの付いたボトルの前に置かれ、残りの 4 つはラベルが付いているボトルの前に置かれました)安っぽいラベルの付いたボトルの前に置かれます）。 専門知識と性別の階乗交差、つまり被験者間要因には、4 つの組み合わせすべて (F/専門家、F/初心者、M/専門家、M/初心者) で個人を測定することが含まれます。 どの主題も専門知識と性別の要素の複数のレベルで測定されないため、これらの要素は「被験者間」です。
モデルの推定
このアドインは、線形混合効果モデル分析を生成します。 この分析では、欠損データがないため、複合対称性を仮定した単変量の一般線形モデル反復測定分析と同じ推定値と検定が生成されます。 ただし、混合モデルではモデル項の推定方法が異なるため、欠損データがある場合は推定値が異なります (そして潜在的にはより良い値になります)。単変量 GLM 反復測定解析では完全なデータが必要であり、細胞が欠落している被験者は除外されますが、混合モデルでは被験者全体を解析から除外することなく欠損データを許容できます。 欠損データ (ランダムに欠損しているわけではない) はモデルの推定値に偏りをもたらす可能性があるため、モデルの結果を解釈する前に、欠損データの原因を必ず調査してください。
使用法：
列を適切なロールにキャストし、「モデルの実行」をクリックするか、「ダイアログの起動」をクリックしてモデルの適合ダイアログに進み、実行前にモデルに変更を加えます。 実行後にダイアログ ボックスを開いたままにするには、[ダイアログを開いたままにする] チェックボックスをオンにします。
注記：これらのモデルの場合、「サブジェクト ID」には公称モデリング タイプが必要です。このアドインは、モデリング タイプをまだ公称に設定していない場合、自動的に公称に設定します。
モデル項が生成され、適合の詳細と情報基準の概要、REML 分散成分推定、固定効果検定、および効果の詳細を含む適合モデル出力が開始されます。
この場合 (2 つの被験者内因子と 2 つの被験者間の因子)、生成されるモデルは次のようになります。
| モデル |
|---|
効果(
:性別、
:専門知識、
:ワイン、
:ラベル、
:性別* :専門知識、
:性別* :ワイン、
:性別* :ラベル、
:専門知識* :ワイン、
:専門知識* :ラベル、
:ワイン* :ラベル、
:性別* :専門知識* :ワイン、
:性別* :専門知識* :ラベル、
:性別* :ワイン* :ラベル、
:専門知識* :ワイン* :ラベル、
:性別* :専門知識* :ワイン* :ラベル
） 、
ランダム効果(
:裁判官[ :性別、 :専門知識】 、
:裁判官* :ワイン[ :性別、 :専門知識] 、
:裁判官* :ラベル[ :性別、 :専門知識] 、
:裁判官* :ワイン* :ラベル[ :性別、 :専門知識]
） 、
|
一番上の赤い三角形の下で、追加の回帰レポート、パラメーター推定、診断プロット、残差の保存、ペアのレバレッジなど、多くのオプションが利用可能です。
プロット、平均、テスト
拡大するエフェクトの詳細個々の因子と交互作用のプロットを生成し、すべてのペアワイズ T 検定、Tukey HSD、および線形コントラストを使用してセル平均値の検定を実行します。
モデルを対話的にプロファイリングするには、一番上の赤い三角形 > 因子プロファイリング > を選択します。プロファイラー
モデルの変更と表示
一番上の赤い三角形を選択し、モデルダイアログモデルの仕様を確認し、モデルに変更を加えます。
データ形式
このアドインでは、データがトール形式またはロング形式である必要があります。 これは、被験者からの繰り返しの観察が列ではなく行全体で表される場合です (以下を参照)。
幅の広いデータを再構築する必要がある場合は、[テーブル] > [スタック] を使用し、繰り返し観測された列を [スタック列] セクションにキャストします。 要因計画の場合、各因子の因子水準を分離する必要があります。 Col > Recode を使用すると、これをすばやく実行できます。
さらなる詳細：
- このアドインは、次のアルゴリズムで用語を生成します。
- すべての固定効果因子の完全階乗 (すべての被験者内および被験者間の因子)
- 被験者内因子と被験者因子のみの完全階乗 (冗長な項は削除)
- 主語に関係するすべての用語は変量効果としてマークされます
- 主題間因子が存在する場合、主題に関係するすべての用語は、すべての主題間因子内でネストされているものとしてマークされます。
- すべての細胞の複製がある場合 (各被験者が各条件に複数回あった場合)、被験者との最高次の相互作用が推定可能です。 複製がない場合、この最上位の相互作用は残差と混同され (残差です)、自動的に削除されます。
- モデルは最大 5 つの被験者内要因と最大 5 つの被験者間要因に制限されます。 被験者内因子または被験者間因子が 5 つ以上あるモデルを定期的に使用している場合は、お知らせください。
追加のビデオ:
詳細を説明した 2 つのビデオ セットがここにあります。このアドインを使用する予定がある場合。
モジュール 2:8 - 1 つの要因の反復測定
モジュール 2:9 - 階乗反復測定
繰り返しの対策分析に役立つことを願っています。
ジュリアン
更新履歴:
v0.09: 「起動ダイアログ」ボタンを追加しました。
v0.08: 「呼び出し」ボタンと「ダイアログを開いたままにする」チェックボックスを追加しました。
実験計画法統計統計教育公共事業Re: 完全階乗反復測定 ANOVA アドイン親愛なる@ジュリアン、
反復測定アドインを使用して生成される固定効果テーブルの F 比は、タイプ II またはタイプ III の平方和に基づいていますか?FレシオはType II SSで計算した値に近いようです。
Re: 完全階乗反復測定 ANOVA アドイン親愛なる@ジュリアン、
私はこのアドインをしばらく使用していますが、非常に便利です。
ランダム係数の「ネスト」を「クロス」に変更することは可能でしょうか?これにより、継続的な「被験者間因子」の使用が可能になります。 現時点では、連続的な「被験者間因子」を導入する場合、適合モデル プラットフォームはネストされた項 (およびモデル全体) の推定を拒否します。
皆様の革新的な貢献に感謝いたします。
ロン
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ジュリアンさん
私は今でもこのアドオンのファンですが、次のイテレーションのタイムラインはどうなるのか気になりました。 たとえば、現在、私は最終的に SPSS または別のソフトウェアを使用して効果サイズをテストしています。これは、被験者内または混合効果のデザインで JMP から効果サイズを取得する簡単な方法がないようです。 これは、統計の指導に JMP を使用する場合の重大な欠点でもあります。 これをこのプラグインに追加できれば、非常に便利です (または、「エフェクト サイズの計算」プラグインを拡張して、混合デザインやサブジェクト内のデザインでも機能するようにできます)。
乾杯＆感謝！
ベルンハルト
Re: 完全階乗反復測定 ANOVA アドインこんにちは@jsheldon1 、
ご迷惑をおかけして申し訳ございません。 何をしようとしているのか、データセットがどのようなものなのかを詳しく教えていただけると助かります。 その小さな部分を添付していただければ、特に役立ちます。 詳細はわかりませんが、列名のいずれかに特殊文字が含まれていると考えられます (このアドインは、列名の英数字以外の文字に対して特に堅牢ではありません)。 それが問題なのでしょうか？ジュリアン
Re: 完全階乗反復測定 ANOVA アドインアドインを使用して分析を実行しようとすると、次のエラー メッセージが表示されます。
認識できない効果オプション 'And' 、:ID[:State] & /*###*/Random/*###*/ へのアクセスまたは評価で 2 回
それが何を意味するかわかりますか？
Re: 完全階乗反復測定 ANOVA アドインありがとう、ジュリアン、どんな料理を作るか楽しみにしています！
そうです、「完全階乗」マクロは確かに便利です
乾杯
ベルンハルト
Re: 完全階乗反復測定 ANOVA アドインこんにちは@ベルンハルト、
ご提案ありがとうございます！ これらを将来の改善リストに追加し、新しいリリースが利用可能になったら必ずお知らせします。 ちなみに、完全な被験者間計画の場合、標準の [モデルの適合] ダイアログは非常にうまく機能します。列リストですべての因子を選択し、マクロの横にある赤い三角形をクリックしてから、完全階乗 (または階乗並べ替え) を自動的に生成します。すべてのモデル効果。
@ジュリアン
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ジュリアンさん
このアドオンに改めて感謝します。これは非常に便利で、JMP のデフォルトの方法よりもはるかに使いやすいです。
さらなる改善のための提案に興味がある場合は、次のようにします。
- をテストするオプションの追加仮定(特に JMP を使用して教育する場合だけでなく、日常の分析にも) 非常に貴重です。
- テストするオプションの追加効果の大きさ特にほとんどのジャーナルやAPAなどがエフェクトサイズの掲載を求めていることを考えると、これも素晴らしいことだろう
- このプラグインを拡張して、被写体間のエフェクトだけでも機能するようにすることはできますか? 私の ANOVA ニーズすべてを満たしてくれる主な頼りになる可能性が高いです 
乾杯＆感謝！
ベルンハルト
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ジュリアンさん
別の質問をさせていただきたいと思います。 JMP と SPSS でランダム切片モデルを実行すると、異なる推定値が得られるのはなぜですか? SPSS の出力と比較して、JMP にはより自由度があることがわかります。固定効果に関しても、まったく同じ結果が得られます。 2 つの異なるソフトウェアが、F 値と p 値に関しては同じ統計出力を示すが、固定効果の推定値が異なるということは、実際には問題なのでしょうか?
どうもありがとうございます！
乾杯
ダリア
Re: 完全階乗反復測定 ANOVA アドイン@ジュリアン
素早い返信ありがとうございます。はい、私には高い時間的自己相関があるようです。 これについては一般的な JMP コミュニティで質問します。
Re: 完全階乗反復測定 ANOVA アドインこんにちは@tsingh 、
一般的な考えをいくつかお話ししたいと思いますが、このような時系列タイプのデータは私の専門ではないので、一般的な JMP コミュニティに質問を投稿していただくとよいでしょう。 私の直感では、おそらくこのアドインを使用してこれらのデータを分析すべきではないと思います。 これは、できないということではありません -- サイトは被験者 ID、月は被験者内効果である可能性がありますが、時間の近いポイント間の自己相関をすべて無視することになり、おそらく良い結果が得られます。これが、日内および日にわたる気温の周期的なパターンをモデル化する理由です。 特定の場所の 1 か月以内の気温測定が独立していると本当に断言できない限り、私は別の道を進むでしょう。 繰り返しになりますが、一般的なコミュニティのディスカッション掲示板はこの質問に適した場所です。タイム シリーズの経験がある人がアドバイスを共有してくれると思います。
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ジュリアンさん
この分析を使用してデータをどのように分析すべきか、またこの分析が私のデータに適しているかどうかについてアドバイスをいただきたいです。
5 か月間、5 つのサイトで水温データを 1 時間ごとに測定しました。
24 x 30 x 5 x 5 = 18000 データ ポイント。
各月のサイト間で水温に大きな違いがあるかどうか、またサイト全体、つまりサイトとサイトの x 月の相互作用に大きな違いがあるかどうかを確認したいと考えています。
私のデータは長い形式であり、次の列名があります
1.サイト
2.日番号(0～150)
2. 月（6月～10月）
3. 時間 (0 ～ 24)
4. 温度(応答変数)
そこで、私は主題要素内に月とサイトインを追加してきました。
件名 ID に曜日番号を入力するのか、時間を入力するのか、どの要素を入力するかについて少し混乱しています。 時間ごとや日ごとの変動を見ることに興味はありません。
また、データには全階乗反復分散分析を使用する必要があると思いますか、それとも反復構造 (例 corAR1 など) を指定して混合モデルを使用する必要があると思いますか?
どうもありがとう。
Re: 完全階乗反復測定 ANOVA アドインこんにちは@ダリア、
あなたのプライベート メッセージに返信したところですが、これらのコメントを読んでいる他の人がその返信に興味があるかもしれないと思い、ここに貼り付けます。 これがいくつかのことを明確にするのに役立つことを願っています。
---
これについて少しでもお手伝いできれば幸いです! 混合モデルは、特に特定の状況に単一の「正しい」モデルが存在しない場合があるため、確かに複雑になる可能性があります。 このアドインは「最大モデル」に適合します。つまり、被験者 (変量効果) と固定効果 (実験における実際の要因) の間の考えられるすべての相互作用に適合します。 混合モデルにあまり慣れていない場合、これはおそらくあまり役に立ちません。 これが意味するのは、一般に、各被験者のランダムな切片のみを推定する単純化モデルよりも、完全な最大モデルでより多くのパラメータを推定することになるということです。 最も単純なモデルでは、ランダム切片のみ (ランダムとしてマークされた被験者の用語のみで、被験者変数と他の変数との間に交互作用はありません) を使用して、被験者間の違いは平均評価のみであると主張します。は操作に対して同じように反応します (これは、学習ライブラリの PDF に従って実行したモデルです)。 このモデルでは、異なる被験者の間で観察される刺激への反応の変化は、刺激に対する人々の反応の実際の違いではなく、純粋な誤差として分類されます。 これは一般に現実的ではありません。ただし、この種のモデルは使用する自由度がはるかに少ないため、誤差に対する DF が多くなり、一般にパワーが増加することを意味します。
では、何が良いのでしょうか？ 私はこれにワインの例を使用するのが好きです。アドインの例では、モデルは主題とワインの種類 (赤または白) の間の相互作用に適合します。 白ワインよりも赤ワインが好きな人もいれば、赤ワインよりも白ワインが好きな人もいるので、これは役に立ちます。 モデルには人によるばらつきを説明できるパラメーターがあるため、白ワインと赤ワインに対する平均的な反応で観察される違いは、純粋な誤差として解釈されるのではなく、人による体系的なばらつきとして解釈されます。 サンプルサイズが大きい場合、その系統的誤差と純粋な誤差を区別できれば、より多くの検出力が得られます。 サンプルが小さい場合、相互作用が本当に非常に大規模でない限り (たとえば、ワインの好みが大きく異なる人々のグループがある場合など)、余分な相互作用をすべて当てはめることによって効果を見逃してしまう可能性があります。
つまり、これは一般に、人間の被験者の場合、機械とは異なり、人間が次のような反応をするとは信じがたいため、ランダム効果 (被験者) と固定因子の間の相互作用は推定する価値があると考える傾向があるということです。操作も同様です。 サンプルが小さい場合は、ランダムな傾き (被験者との相互作用) の一部だけを含む縮小モデルを使用した方が良い場合があります。 「REML 分散成分」セクションを参照すると、ランダムな傾きがどの程度の変動を占めるかを把握できます。 被験者とのインタラクションがバリエーション全体の大きな割合を占めている場合、それらはおそらく有用ですが、そうでない場合は削除すべきだと主張する人もいるでしょう。 いつでも上部の赤い三角形に移動して [モデル ダイアログ] を選択し、変量効果セクションに移動して項を削除できることを覚えておいてください。
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ジュリアンさん
反復対策を検討する際に適用される 3 種類の戦略が理解するのが難しいため、助けを求めたいと思います。 私の研究では、それらはすべて異なる結果をもたらしました。 これらのモデルには次のものが含まれます。
1) 完全階乗混合分散分析アドイン
2) 属性セクションの適合モデルとランダムな被験者を使用した混合モデル分析: https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747
3) Pro と混合モデルの個性
私のデザインには、2 つのグループの消費者が閲覧する 4 つのカテゴリの 16 個の広告が含まれています。 私は認知的関与における彼らの違いを研究しています。
1) 最初のモデルでは、認知エンゲージメントを従属として、消費者グループを中間として、広告カテゴリを内部として、被験者 ID を変量効果として使用します。
2) 私のランダムな切片はサブジェクト ID であり、依存関係は認知エンゲージメントであり、消費者カテゴリー、広告カテゴリー、およびそれらの相互作用をモデル化しています。
3) Pro バージョンを持っていません。 2 番目のケースのように混合モデル分析を実行することと、混合モデルを使用することの間に違いはありますか?
どうもありがとう。 本当に感謝しています。
乾杯
ダリア
Re: 完全階乗反復測定 ANOVA アドイン<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />私の書斎のデザインは2×2×3×3です。 T最初の 3 つの要素 (2x2x3) は参加者内にあり、3 番目の要素 (3 レベル) は参加者間でした。 アドインを使用すると、レポートの「固定効果テスト」セクションに「DF が失われた」と表示されます。これは自由度を意味すると思われます。 また、固定効果テストでは他の出力が得られません。なぜこれが起こるのか誰か教えてもらえますか？
Re: 完全階乗反復測定 ANOVA アドインMSさん、フィードバックありがとうございます！ これを特殊文字に対してもっと堅牢にする必要があります。一部の場所ではそれを行ったが、他の場所ではそうではないようです。
Re: 完全階乗反復測定 ANOVA アドイン素晴らしいアドインです! [モデルの適合] ダイアログに同じモデルを手動で入力する場合と比べて、時間を大幅に節約できます。
今のところ唯一の問題は、「%」、「(」、「/」などの奇妙な文字を含む列名です。 エラーメッセージが表示され、ログが読み取られます
「アウトライン コンテキストで項目 "Response Cs137/kg dw" が見つかりません {"Response Cs137/kg dw"}
名前が解決されていません: 'Cs137' のアクセスまたは評価における Cs137、:Cs137/*###*/プラットフォーム起動時の例外"
しかし、これにもかかわらず、レポートは同じ推定値で生成されますが、アウトライン ボックスのセットが異なります (フィット モデルのデフォルト?)。
(Mac 版 JMP 12.2 を使用しています)
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ベンソンさん
このアドインの最新バージョンに「呼び出し」オプションと「ダイアログを開いたままにする」オプションを追加したことをお知らせしたいと思います。 これがお役に立てば幸いです!
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインジュリアン、
複数のアカウントについては正しいと思います。 私の学習時間は df と同様に連続的 (0 ～ 120 分、5 分刻み) です。 予備分析を行っていますが、n は 4 しかないため、さらに多くの被験者が必要です。 しかし、今では 2 方向分散分析プラグインのプロセスがわかりました。
ご協力いただきありがとうございます！
Re: 完全階乗反復測定 ANOVA アドインこれらの信頼区間が欠落している場合は、モデルを当てはめようとしたときに他のエラーも受け取ったのではないかと思われます。 時間のレベルの数から、時間を公称値として使用してモデルを当てはめるのに十分な自由度がないと思われます。はるかに少ない時点で個人を測定していると予想していました。 レベルの数を考えると、時間を連続的な効果としてモデル化する方が良いように思えます。つまり、各条件の各時点での Y の平均値ではなく、各条件の Y と時間の間の傾きを推定する方が良いと思われます (つまり、時間を公称として扱うことは何をしているのか、したがって推定パラメータの点で高価になります)。これは、私のアドインがそうするために構築されたものではありません。あなたが当てはめようとしているモデルは、ランダムな係数を入れ子にしているモデルであり、これは JMP Pro のモデルの当てはめにおける専用の混合モデル パーソナリティを使用して行うことができます。 これに関するドキュメントページは次のとおりです。
混合モデル パーソナリティを起動する
申し訳ありませんが、私のアドインはこの分析には役立ちませんでした。
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインはい、トライアルとトリートメントは互換性があります。 私のモデルには 3 つの治療/トライアルがあります。 トライアルとタイムを両方とも公称値に変更しました。 この変更を行うと、出力で 95% CI の上限と下限が得られないのは正常ですか?
Re: 完全階乗反復測定 ANOVA アドインこれは、データセット内で時間、トライアル、またはその両方が連続としてマークされている場合に発生します。 さまざまな時点での平均および治療間の平均の差を推定するには、このアドインおよび分析の種類について、すべてを公称としてマークする必要があります。
ところで、Trial は治療の別名ですか、それともモデルにトライアルではなく治療を含めるつもりでしたか?
Re: 完全階乗反復測定 ANOVA アドインありがとうジュリアン。
はい。それで合っています。 治療ごとの時点間の違いを調べようとしています。 ただし、効果の詳細ボックスの下にある試行時間ボックスの赤い三角をクリックして分析を実行すると、どのオプションも強調表示されないようです。 [Trial] ボックスと [Subject] ボックスで個別にさらなる分析を実行できます。 それが意味がある場合は、画像を参照してください。
Re: 完全階乗反復測定 ANOVA アドインこんにちはjxa014 、
[エフェクトの詳細] セクションを展開し、モデル内の各ソースの横にある赤い三角形を使用することで、追跡比較を実行できます。 異なる時点での治療法を比較することに最も興味があるようです。つまり、トライアル x 時間のセクションに注目し、そこにあるオプションの 1 つを使用することになります。 これらのフォローアップ オプションのいくつかを説明するビデオがいくつかあります。 これらのビデオでは非反復測定要因モデルについて説明していますが、原理は同じです。
モデルの適合における単純なペアごとの比較の概要:
適合モデルを使用した JMP でのペアごとの比較 (モジュール 2 3 4) - YouTube
一般的な階乗分散分析:
階乗分散分析 (4x4) 完全分析 (モジュール 2 5 10) - YouTube
スライスのテスト (特に興味があると思います)
要因計画でのスライスのテスト (モジュール 2 5 11) - YouTube
これらのビデオは、私のビデオ シリーズ「Significantly Statistical Methods in Science」の一部であり、モジュールのセット全体はここで見つけることができます。
科学における重要な統計的手法のプレイリスト
お役に立てれば！
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインジュリアン、
それは完璧でした。 どうもありがとう。 応答変数の 1 つに対して分析を実行した結果は次のとおりです。
固定効果テスト
ソースンパームDF DFデンF比確率 > F
トライアル2 2 6.006 2.6589 0.1489
時間1 1 2.938 389.5700 0.0003
トライアル*タイム2 2 5.904 5.5986 0.0433
トライアル x 時間のインタラクションに関するテストに従う必要がありますか?
Re: 完全階乗反復測定 ANOVA アドインこんにちはjxa014 、
もちろん、ここでいくつかのアドバイスをさせていただきます。あなたのデータテーブルは上で示した形式 (行全体で対象の繰り返し観察を含むロング形式またはトール形式) で構造化されていますか?そうでない場合は、[テーブル] > [スタック] を使用してデータをスタックする必要があります。これを行う必要がある場合はお知らせください。より具体的なアドバイスをさせていただきます。 また、より適切なアドバイスができるよう、データセットの例 (数行分でも) を含めていただけると助かります。
データの形式が正しい場合、分析の設定は簡単です。被験者変数 (被験者を一意に識別するもの) を [被験者 ID] セクションに配置し、TIME を [被験者内因子] セクションに配置します (被験者の観察を繰り返しているため)。異なる時間に)。TRT は、あなたの状況に応じて被験者内または被験者間で行われます。方法論。 それぞれ計測してみたら主題下3 つの治療法すべてにおいて、TRT は被験者内セクションに含める必要があります。 各被験者を 3 つの治療法の 1 つだけに割り当てた場合、TRT は被験者間要因セクションに入るはずです。
モデルを実行すると、通常の統計出力が表示されます。 時間 x 治療の交互作用に最も興味がある場合は、固定効果検定の表で統計的有意性の詳細を見つけることができ、効果の詳細で LSmeans を見つけて追跡比較を実行できます。
これがお役に立てば幸いです!
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインこんにちは、
このアドインをダウンロードしたところ、とても素晴らしく見えますが、私は従来の JMP フィット モデルで分析を行うことに慣れています。 私の変数と実験を使用したレイアウトを手伝っていただけないでしょうか。
被験者 (SUBJECTS) に 3 つの治療 (TRT) を行い、それぞれを 2 時間 (TIME) かけて分析し、いくつかの応答変数 (深部体温、心拍数、皮膚温) を記録した実験があります。
反復測定 (治療 x 時間) を確認し、各時点の TRT に違いがあるかどうかを具体的に確認したいと考えています。
あなたの考えを聞かせてください！！！
Re: 完全階乗反復測定 ANOVA アドインこんにちはベンソン・ムニャン、
はい、それは素晴らしい提案です！ 次のバージョンの改善点のリストに追加しました。また、「ダイアログを開いたままにする」チェックボックスも追加します。これは、モデルのフィットでさまざまなモデルを試すときによく行うことです。
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインこんにちは、ジュリアンさん
私はあなたのアドオンを広く使用しており、とても気に入っています。 私の大きな不満の 1 つは、他のプラットフォームのようなリコール ボタンがないことです。 追加される可能性はありますか？
ありがとう！
Re: 完全階乗反復測定 ANOVA アドインこんにちはダクリン、
今までメッセージを見逃してしまい申し訳ありません。 それぞれの質問に答えてみましょう
全体的に見て、あなたの質問は、主効果や交互作用に興味がない場合でも、反復測定分散分析 (またはこのアドインが行う混合モデル) のコンテキストで分析するのが適切であると思われます。 ただし、考慮すべき点がいくつかあります。
a) 0 ～ 3 のスケールでは、母集団のスコアが正規分布していると考える理由はあまりないため、モデルのその仮定について少し心配するかもしれません。 ただし、先生は数百人いるとおっしゃいましたので、この点では中心極限定理が役立つと思います。
b) 質問間の共分散が異なる可能性があります。質問の回答によっては、他の回答とより強く関連している可能性があります。 本質的に、これはあなたのものですモークリーの真球度テストそれはその仮定に反することを示していました。 これは、保守的な人もいれば反保守的な人もいる可能性があるため、追跡テストでは少し問題を引き起こします。 データのサブセットを分析すると、共分散が少ないと仮定するため、この心配を少し軽減できます。 JMP Pro を使用している場合、これらのテストは非構造化共分散を使用して実行できますが、まだそこには行きません。
c) 最初の 3 つの質問については、さまざまなレベルの教師からの項目の回答を比較することに関心がないようなので、これらの分析を教師のレベルごとに個別に実行するのが合理的かもしれません (この方法では、科目間要因としての教師のレベル）。 これを行う簡単な方法は、データ フィルター ([行] > [データ フィルター]) を使用し、調べたい教師のグループ以外のすべてを除外することです。 私が作成したアドインには、通常これを行う最も直接的な方法である By Variable を使用するオプションが含まれていません。 これを、このアドインに追加したい機能のリストに追加します。
- あるいは、[分析] > [モデルの適合] を使用してこの分析を設定することもできます。これにより、次の手順に従って変数別の使用が可能になります (上記のアドインの説明に示されているようにデータがスタックされていると仮定します)。
- 分析 > モデルの適合
- Y として応答
- 最初の要素としてサブジェクト ID を選択し、モデル効果セクションでそれを選択し、[属性] をクリックしてから [ランダム] を選択します。これにより、サブジェクト ID がランダム効果としてマークされ、JMP はそれを正しくモデル化する方法を認識します。
- テスト質問要素をモデル効果セクションに追加します。
- 教師レベルを BY 変数として追加します
- これにより、教師レベルごとに 1 つずつ、3 つの個別のフィット モデル出力が返されます。 そこから、以下の操作を行うことができます。
質問 1、2、3) このアドインを使用してモデルを実行した後 (データ フィルターを使用して教師の 1 つのグループのみを含めた後)、[効果の詳細] セクションを展開すると、テスト項目のソースが表示されます。 変数によるモデルの適合を使用した場合は、出力の右側にテスト項目ソースが表示されます (モデルの適合の「強調」を「最小レポート」に変更しない限り、これがデフォルトの配置です)。これは私の好みであり、上記のアドインがデフォルトで使用するものです。
テスト項目ソースのセクションを見つけたら、名前の横にある赤い三角形をクリックすると、ペアごとのテストを実行するためのいくつかのオプションが表示されます。 要素の要素内で可能なすべての組み合わせをテストすることに興味があることを考えると (これは多くのテストになります)、Tukey HSD オプションを使用することをお勧めします。これにより、指定された範囲内のすべてのテストにわたるファミリーごとのエラー率が制御されます。要素。 接続文字レポートは、差異を確認するのに最適な方法です。調整された p 値が必要な場合は、Tukey HSD レポートの赤い三角形をクリックし、順序付き差異レポートを選択します。
4、5) これらのテストでは、アイテムと同じモデルに教師がいる必要があるため、教師レベルをサブジェクト間の変数として、アイテムをサブジェクト内変数として使用して完全なモデルを実行します。 私のアドインはそのモデルのセットアップに役立ちますが、混合モデルに慣れている場合は、[モデルのフィット] ダイアログから直接これを行うこともできます。 モデル レポートを取得したら、効果の詳細セクションを展開し、インタラクションのソースを見つけます。 そこでは、コントラスト スライス (因子の 1 つを別の因子の単一レベルでテストする) を実行する「テスト スライス」を使用できます。 たとえば、「項目 1」(または最初の項目のラベル) というラベルの付いたスライスが得られます。これは、項目 1 だけについて教師の回答が異なるという証拠があるかどうかのテストになります。 すべてのアイテムでそれらを取得できます。 これらはあなたにとって最も重要なテストのように見えますが、基本的に項目の各レベルでの教師レベルの「効果」を調べる一元配置分散分析です。 テスト スライスを使用すると、「高校の教師」(またはそのレベルにラベル付けしたもの) というラベルの付いたスライスも取得できます。これは、高校の教師がそれらの項目に対して異なる評価を与えているという全体的な証拠があるかどうかをテストするものです。 特に、以前のモデルの項目の違いを教師のレベルごとに個別に確認したことになるため、後者のスライスはおそらくあまり役に立ちません。
各項目の教師レベルのテストを最も慎重に行いたい場合は、データをフィルター処理するか By 変数を使用するために、上で提案したのと同じ一連の手順を実行できます。 これは、教師レベルという 1 つの要素を使用して、項目ごとに 1 つずつ、15 の異なるモデルを設定することを意味します。 各モデルを取得したら、Tukey HSD 検定を実行して、接続文字レポート、または要求に応じて p 値を含む順序付き差分を提供します。 一度に 1 つの項目のみを含むようにデータをサブセット化しているため、項目間の共分散について何も主張する必要がないため、これは実際にはより良いアクションである可能性があります。
このアドインを利用する場合は、詳細を説明した 2 セットのビデオをここに用意しています。
モジュール 2:8 - 1 つの要因の反復測定
モジュール 2:9 - 階乗反復測定
これがお役に立てば幸いです!
ジュリアン
Re: 完全階乗反復測定 ANOVA アドインこのアドインをダウンロードして試してみますが、いずれにせよ、以下の私の質問に協力していただければ幸いです。 私は約 5 週間前にこの状況を JMP ユーザー コミュニティの投稿に投稿しましたが、今のところ提案はありません。 どこに置けばいいですか？
私のデータセットは、数百人の教師のアンケート回答で構成されています。
約3分の1は小学校、中学校、中学校です。
彼らはそれぞれ、15 項目の重要性を 0 ～ 3 のスケールで評価しました。
(私はこれらの評価を間隔レベルのデータとして扱うことに抵抗はありません。それが機能する場合は序数でも問題ありません)
これを追跡テストを伴う反復測定分散分析 (変数 = 教師レベル、反復変数 = 15 評価) として視覚化します。
しかし、私は主効果にはほとんど興味がありません。繰り返しの評価 (3 つの教師レベル間で特定の項目のスコアを組み合わせるのは意味がありません)、または教師レベル間 (項目は連携しません。それぞれが独立しているため、合計スコアは次のようになります) のいずれかです。無利子）
代わりに、私の質問は次のとおりです。
1-小学校教師のグループの場合、15 項目のうち他の項目よりも著しく高い評価はどれですか?
2-質問中学校教師も同様
3- 高校教師への同じ質問
4 - 3 つの教師グループのうち 1 つは、項目 1 を他の 2 つのグループと大きく異なると評価していますか?
5- 項目 2 ～ 15 についても同じ質問
(インフレから守るためにアルファをかなり薄くスライスする必要があることに気づきました)
私が最初に考えたのは、フォローアップ テストを伴う反復測定のための ANOVA であり、フォローアップ テストに到達するために主効果を無視することでした。
しかし、Mauchly の真球度テストは重要で、追跡テストを伴う MANOVA の必要性を示しているようです (?)。 その場合、JMP で MANOVA の後に追跡平均比較を実行するにはどうすればよいですか?
あるいは、主効果には興味がないので、別の分析を検討する必要がありますか?
