Componente aggiuntivo ANOVA per misure ripetute fattoriali complete
Questo componente aggiuntivo genera i termini del modello lineare a effetti misti (effetto casuale e fisso) per disegni a misure ripetute fattoriali unidirezionali o completi che coinvolgono una variabile di risposta continua (le risposte categoriali non sono supportate al momento)
Tutorial video per il componente aggiuntivo:
Un fattore: https://youtu.be/fh8jiFf2z-o
Fattoriale : https://youtu.be/py3-wvPYitM
Installazione:
- Scarica factorial_repeated_measures.jmpaddin in fondo a questa pagina.
- Una volta scaricato, fare doppio clic sul file per aprirlo in JMP.
- Ti verrà chiesto se desideri installare il componente aggiuntivo. Seleziona Installa.
- Nel menu Componenti aggiuntivi, avrai una sezione per "Misure ripetute"
Disegni fattoriali:
Nei disegni fattoriali a misure ripetute, i soggetti vengono misurati in ciascuna condizione della combinazione fattoriale dei fattori entro soggetto e vengono misurati su un solo livello di fattori tra soggetti. Ad esempio, i soggetti in un esperimento di degustazione di vini potrebbero assaggiare e dare valutazioni su diversi vini, ma di solito vengono misurati a un livello di genere e competenza, poiché i livelli di questi fattori sono difficili da modificare nel corso del tempo di un esperimento. I disegni fattoriali completi implicano a completare incrocio di fattori. Nell'esperimento di esempio riportato di seguito, ogni soggetto assaggia vino da 8 bicchieri, formati dalla combinazione fattoriale di quattro diversi vini valutati secondo le due condizioni di Etichetta (quattro bicchieri sono stati posizionati davanti a bottiglie con etichette dall'aspetto costoso e quattro erano posizionati davanti a bottiglie con etichette dall'aspetto scadente). L'incrocio fattoriale di Competenza e Genere, i fattori tra soggetti, prevede la misurazione degli individui in tutte e quattro le combinazioni (F/Esperto, F/Principiante, M/Esperto, M/Principiante). Questi fattori sono "tra soggetti" perché nessun soggetto viene misurato a più di un livello dei fattori di competenza e genere.
Stima del modello
Questo componente aggiuntivo genera un'analisi del modello lineare a effetti misti. Senza dati mancanti, questa analisi produce stime e test identici a un'analisi di misure ripetute di un modello lineare generale univariato che presuppone la simmetria composta. Tuttavia, i modelli misti stimano i termini del modello in modo diverso, quindi le stime saranno diverse (e potenzialmente migliori) in presenza di dati mancanti; L'analisi GLM univariata a misure ripetute richiede dati completi e i soggetti con celle mancanti vengono eliminati, mentre i modelli misti possono tollerare dati mancanti senza eliminare un intero soggetto dall'analisi. I dati mancanti (che non mancano in modo casuale) possono influenzare le stime del modello, quindi assicurati di indagare sulla causa dei dati mancanti prima di interpretare i risultati di qualsiasi modello.
Utilizzo:
Trasmetti le colonne al ruolo appropriato e fai clic su "Esegui modello" oppure su "Avvia finestra di dialogo" per procedere alla finestra di dialogo Adatta modello per apportare modifiche al modello prima dell'esecuzione. Per mantenere aperta la finestra di dialogo dopo l'esecuzione, seleziona la casella "Mantieni aperta la finestra di dialogo".
Nota: Per questi modelli, "ID soggetto" deve avere un tipo di modellazione Nominale; questo componente aggiuntivo imposterà automaticamente il tipo di modellazione su Nominale se non lo è già.
Vengono generati i termini del modello e viene avviato un output del modello di adattamento con il riepilogo dei dettagli di adattamento e dei criteri informativi, le stime dei componenti della varianza REML, i test degli effetti fissi e i dettagli degli effetti.
In questo caso (con due fattori entro soggetto e due fattori tra soggetti), il modello generato è il seguente:
| Modello |
|---|
Effetti (
: Genere ,
: Competenza ,
: Vino ,
: Etichetta ,
: Genere * : Competenza ,
: Genere * : Vino ,
: Genere * : Etichetta ,
: Competenza * : Vino ,
: Competenza * : Etichetta ,
: Vino * : Etichetta ,
: Genere * : Competenza * : Vino ,
: Genere * : Competenza * : Etichetta ,
: Genere * : Vino * : Etichetta ,
: Competenza * : Vino * : Etichetta ,
: Genere * : Competenza * : Vino * : Etichetta
) ,
Effetti casuali (
: Giudice [ : Genere , : Competenza ] ,
: Giudice * : Vino [ : Genere , : Competenza ] ,
: Giudice * : Etichetta [ : Genere , : Competenza ] ,
: Giudice * : Vino * : Etichetta [ : Genere , : Competenza ]
) ,
|
Molte opzioni sono disponibili sotto il Triangolo Rosso più in alto, inclusi report di regressione aggiuntivi, stime dei parametri, grafici diagnostici e residui di risparmio, coppie di leva finanziaria, ecc.
Trame, mezzi e test
Espandere Dettagli dell'effetto generare grafici per fattori e interazioni individuali ed eseguire test sulla cella significa utilizzare tutti i test T a coppie, Tukey HSD e contrasti lineari.
Per profilare in modo interattivo il modello, selezionare il triangolo rosso più in alto > Profilatura dei fattori > Profilatore
Modifica e visualizza il modello
Seleziona il triangolo rosso più in alto e seleziona Finestra di dialogo del modello per visualizzare le specifiche del modello e apportare modifiche al modello.
Formato dei dati
Questo componente aggiuntivo richiede che i dati siano in formato alto o lungo. Questo avviene quando le osservazioni ripetute di un soggetto vengono rappresentate su righe, anziché su colonne (vedi sotto).
Se è necessario ristrutturare dati estesi, utilizzare Tabelle > Pila e inserire le colonne con osservazioni ripetute nella sezione Colonne dello stack. Per i disegni fattoriali sarà necessario separare i livelli fattoriali di ciascun fattore. Utilizzando Col > Ricodifica questo può essere fatto rapidamente.
Dettagli aggiuntivi:
- Questo componente aggiuntivo genera termini con il seguente algoritmo:
- Fattoriale completo di tutti i fattori a effetto fisso (tutti i fattori entro e tra soggetti)
- Fattoriale completo dei soli fattori entro-soggetto e fattore-soggetto (con termini ridondanti rimossi)
- Tutti i termini che coinvolgono l'argomento sono contrassegnati come effetti casuali
- Se sono presenti fattori tra soggetti, tutti i termini che coinvolgono soggetti sono contrassegnati come nidificati in tutti i fattori tra soggetti
- Se ci sono repliche di ogni cellula (ogni soggetto era in ciascuna condizione più di una volta) è stimabile l'interazione di ordine più alto con i soggetti. Se non sono presenti repliche, questa interazione di ordine superiore viene confusa con il residuo (È il residuo) e verrà automaticamente rimossa.
- I modelli sono limitati a un massimo di 5 fattori entro soggetto e fino a 5 fattori tra soggetti. Se utilizzi regolarmente modelli con più di 5 fattori entro soggetto o 5 fattori tra soggetti, faccelo sapere.
Video aggiuntivi:
Ho due serie di video con maggiori dettagli qui che potrebbero essere utili i Se intendi utilizzare questo componente aggiuntivo.
Modulo 2:8 - Misure ripetute di un fattore
Modulo 2:9 - Misure fattoriali ripetute
Spero che questo ti aiuti con le tue analisi di misure ripetute!
giuliano
Cronologia aggiornamenti:
v0.09: Aggiunto il pulsante "Avvia finestra di dialogo".
v0.08: Aggiunto il pulsante "Richiama" e la casella di controllo "Mantieni la finestra di dialogo aperta".
Progettazione di esperimentiStatisticheInsegnamento della statisticaUtilitàOggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCaro @giuliano ,
Il rapporto F nella tabella degli effetti fissi generata utilizzando l'aggiunta di misure ripetute è quello basato sulla somma dei quadrati di Tipo II o di Tipo III?Sembra che il rapporto F sia più vicino a quello calcolato utilizzando il tipo II SS.
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCaro @giuliano ,
Utilizzo questo componente aggiuntivo da un po' di tempo ed è molto utile.
sarebbe possibile cambiare "annidato" in "Croce" per i coefficienti casuali? ciò consentirebbe l'utilizzo di continui "Fattori tra soggetti". Al momento, quando si introduce un continuo "Tra fattori tra soggetti", la piattaforma del modello di adattamento rifiuta di stimare i termini nidificati (e il modello nel suo insieme).
Mille grazie per i vostri contributi innovativi.
Ron
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Giuliano,
Sono ancora un fan di questo componente aggiuntivo e mi chiedevo quale potrebbe essere la tua sequenza temporale per la prossima iterazione? Ad esempio, attualmente, finisco per utilizzare SPSS o un altro software per testare le dimensioni degli effetti poiché non sembra esserci un modo semplice per ottenerli da JMP per progetti all'interno del soggetto o con effetti misti. Il che è anche un grave inconveniente quando si utilizza JMP nell'insegnamento delle statistiche. Sarebbe molto utile se questo potesse essere aggiunto a questo plug-in (o il plug-in "Calcola dimensioni degli effetti" potrebbe essere esteso per funzionare con progetti misti e all'interno del soggetto).
Saluti e grazie!
Bernardo
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO @jsheldon1 ,
Mi dispiace sapere che hai problemi. Sarebbe utile se potessi dirmi di più su cosa stai cercando di fare e su come è il tuo set di dati. Se potessi allegarne un piccolo pezzo sarebbe particolarmente utile. Senza saperne di più, la migliore ipotesi che ho è che tu abbia caratteri speciali in uno dei nomi di colonna (questo componente aggiuntivo non è particolarmente robusto per i caratteri non alfanumerici nei nomi di colonna). Potrebbe essere quello il problema? Julian
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeSto tentando di eseguire un'analisi con il componente aggiuntivo e ricevo questo messaggio di errore:
Opzione effetto non riconosciuto 2 volte nell'accesso o nella valutazione di 'And' , :ID[:State] & /*###*/Random/*###*/
Hai idea di cosa potrebbe significare?
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeGrazie Julian, non vedo l'ora di vedere cosa cucinerai!
Hai ragione, la macro "fattoriale completa" è davvero utile
saluti
Bernardo
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO @bernhard ,
Grazie per i suggerimenti! Li aggiungerò al mio elenco di miglioramenti futuri e ti farò sicuramente sapere quando sarà disponibile una nuova versione. A proposito, per progetti completamente intersoggettivi, la finestra di dialogo Stima modello standard funziona abbastanza bene: seleziona semplicemente tutti i fattori nell'elenco delle colonne, quindi fai clic sul triangolo rosso accanto a Macro, quindi Fattoriale completo (o Fattoriale ordinato) per generare automaticamente tutti gli effetti del modello.
@giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Giuliano,
grazie ancora per questo componente aggiuntivo, è estremamente utile e molto più facile da usare rispetto al modo predefinito di fare le cose di JMP.
Se sei interessato a suggerimenti per ulteriori miglioramenti:
- aggiunta di opzioni per testare il file ipotesi sarebbe inestimabile (soprattutto quando si insegna utilizzando JMP, ma anche per le analisi quotidiane)
- aggiunta di opzioni da testare dimensioni degli effetti sarebbe anche fantastico, soprattutto considerando che la maggior parte delle riviste, APA ecc. richiedono l'inclusione delle dimensioni degli effetti
- questo plug-in potrebbe essere espanso per funzionare anche solo su effetti tra soggetti? Che probabilmente diventerebbe il punto di riferimento principale per tutte le mie esigenze ANOVA;)
Saluti e grazie!
Bernardo
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Giuliano,
Vorrei porre un'altra domanda. Perché ottengo stime diverse quando eseguo un modello di intercetta casuale su JMP e su SPSS? Vedo che in JMP ci sono più gradi di libertà rispetto all'output in SPSS.Quando si tratta degli effetti fissi, ottengo esattamente lo stesso risultato. È effettivamente un problema il fatto che due software diversi mostrino lo stesso risultato statistico, in termini di valore F e valore p, ma stime diverse per gli effetti fissi?
Grazie mille!
Saluti
Dalia
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali complete@giuliano
Grazie per la rapida risposta, sì, sembra di avere autocorrelazioni temporali elevate. Chiederò informazioni in merito alla comunità generale di JMP.
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO @tsingh ,
Sarei felice di darti alcune riflessioni generali, ma i dati di tipo serie temporale come questi non sono la mia specialità, quindi penso che potresti avere più fortuna nel pubblicare la tua domanda nella comunità generale di JMP. La mia intuizione è che probabilmente non dovresti analizzare questi dati con questo componente aggiuntivo. Ora, questo non vuol dire che non potresti: Sito potrebbe essere il tuo ID soggetto e Mese un effetto Entro soggetto, ma ignorerai tutta l'autocorrelazione tra punti vicini nel tempo e probabilmente c'è una buona motivo per modellare i modelli ciclici della temperatura sia all’interno che nell’arco dei giorni. A meno che non potessi davvero affermare che le misurazioni della temperatura nell'arco di un mese per un dato sito fossero indipendenti, seguirei una strada diversa! Ancora una volta, il forum di discussione generale della community è un buon posto per questa domanda: mi aspetto che qualcuno con una certa esperienza nelle serie temporali abbia qualche consiglio da condividere.
Giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Giuliano,
Vorrei il vostro consiglio su come dovrei analizzare i miei dati utilizzando questa analisi e se questa analisi è adatta ai miei dati.
Ho misurazioni orarie dei dati sulla temperatura dell'acqua per 5 mesi in 5 siti.
24 x 30 x 5 x 5 = 18000 punti dati.
Voglio vedere se la temperatura dell'acqua è significativamente diversa tra i siti ogni mese e anche se ci sono differenze significative tra i siti in generale, ovvero l'interazione tra sito e sito x mese.
I miei dati sono in formato lungo, con i seguenti nomi di colonne
1.Sito
2.Numero del giorno (0-150)
2. Mese (giugno-ottobre)
3. ore (0-24)
4. Temperatura (variabile di risposta)
Quindi ho aggiunto mesi e sito all'interno dei fattori soggettivi.
Sono un po' confuso su quale fattore inserire nell'ID soggetto, se dovrebbe essere il numero del giorno o le ore? Non mi interessa vedere variazioni orarie o giornaliere.
Inoltre pensi che dovrei usare anova ripetuta completamente fattoriale per i miei dati o pensi che dovrei piuttosto fare un modello misto specificando una struttura ripetuta (ex corAR1 ecc.)?
Grazie mille.
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO @Dalia ,
Ho appena risposto al tuo messaggio privato ma ho pensato che altri che leggono questi commenti potrebbero essere interessati alla risposta, quindi la incollo qui. Spero che questo aiuti a chiarire alcune cose!
---
Spero di poter aiutare un po' con questo! I modelli misti possono certamente essere complicati, soprattutto perché a volte non esiste un unico modello “corretto” per una determinata situazione. Questo componente aggiuntivo si adatterà a un "modello massimale" e con questo intendo che si adatterà a tutte le possibili interazioni tra i tuoi soggetti (l'effetto casuale) e i tuoi effetti fissi (fattori reali nel tuo esperimento). Se non hai molta familiarità con i modelli misti, probabilmente non è molto utile. Ciò significa, in generale, che stai stimando più parametri in un modello massimale completo rispetto a un modello semplificato in cui stai stimando solo un'intercetta casuale per ciascun soggetto. Nel modello più semplice, con solo l'intercetta casuale (solo il termine per il soggetto contrassegnato come casuale, ma nessuna interazione tra la variabile soggetto e le altre variabili), stai affermando che i soggetti differiscono l'uno dall'altro solo nella loro valutazione media, ovvero che reagirà allo stesso modo alle tue manipolazioni (e questo è il modello che hai eseguito seguendo il pdf nella libreria di apprendimento). In questo modello, qualsiasi variazione osservata tra soggetti diversi nel modo in cui rispondono agli stimoli viene classificata come puro errore, piuttosto che come differenze reali nel modo in cui le persone reagiscono agli stimoli. Questo generalmente non è realistico; tuttavia, questo tipo di modello utilizza molti meno gradi di libertà e quindi si ha più DF per l'errore, il che in generale significa più potere.
Allora cosa c'è di meglio? Mi piace usare l'esempio del vino per questo: nell'esempio del componente aggiuntivo, il modello si adatterà a un'interazione tra soggetti e tipo di vino (rosso o bianco). Questo è utile perché ad alcune persone piace il vino rosso più del bianco, e ad altri piace il bianco più del rosso. Poiché nel modello è presente un parametro che può spiegare tale variazione tra le persone, le differenze osservate nella reazione media ai vini bianchi e rossi non sono interpretate come puro errore, ma come variazione sistematica tra le persone. Con un campione di grandi dimensioni, essere in grado di distinguere tra l’errore sistematico e l’errore puro porterebbe a un maggiore potere. Con un campione piccolo, è probabile che si perderebbero degli effetti adattando tutte le interazioni extra, a meno che le interazioni non siano veramente piuttosto grandi (ad esempio, si ha un gruppo di persone che differiscono ampiamente nelle loro preferenze per il vino).
Quindi, questo è tutto per dire, in generale, per i soggetti umani, tendo a pensare che valga la pena stimare queste interazioni tra l'effetto casuale (i nostri soggetti) e i fattori fissi poiché è difficile credere che le persone, a differenza delle macchine, reagiranno all'evento lo stesso per le manipolazioni. Se si hanno campioni piccoli, a volte è meglio lavorare con un modello ridotto con solo alcune pendenze casuali (interazioni con i soggetti). Puoi avere un'idea di quanta variazione rappresentano le pendenze casuali guardando nella sezione "Componenti della varianza REML". Se le interazioni con il soggetto rappresentano una grande percentuale della variazione totale, probabilmente sono utili, altrimenti alcuni sostengono che dovresti rimuoverle. Ricorda, puoi sempre andare sul triangolo rosso in alto e selezionare "Finestra di dialogo Modello", quindi andare nella sezione degli effetti casuali per rimuovere i termini.
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Giuliano,
Vorrei chiedere aiuto poiché ho difficoltà a comprendere tre tipi di strategie applicate per studiare le misure ripetute. Nel mio studio, tutti danno risultati diversi. Questi modelli includono quanto segue:
1) Componente aggiuntivo ANOVA misto fattoriale completo
2) Analisi del modello misto utilizzando il modello di adattamento e il soggetto casuale nella sezione degli attributi: https://community.jmp.com/t5/JMP-Academic-Knowledge-Base/Mixed-Model-Analysis-OPG/ta-p/21747
3) Personalità del modello misto con Pro
Il mio progetto comprende 16 pubblicità in 4 categorie viste da 2 gruppi di consumatori. Studio le loro differenze nell'impegno cognitivo.
1) per un primo modello, utilizzo l'impegno cognitivo come dipendente, il gruppo di consumatori come mezzo, la categoria pubblicitaria come all'interno e l'ID soggetto come effetto casuale.
2) La mia intercettazione casuale è l'ID soggetto, la mia dipendenza è il coinvolgimento cognitivo, modello la categoria del consumatore, la categoria dell'annuncio e la loro interazione.
3) Non ho la versione Pro. C'è qualche differenza tra eseguire un'analisi con modello misto come nel secondo caso o utilizzare il modello misto?
Grazie mille. Apprezzo molto il vostro aiuto.
Saluti
Dalia
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali complete<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Il progetto del mio studio è 2 x 2 x 3 x 3. T I primi tre fattori (2x2x3) erano interni ai partecipanti, mentre il terzo (con 3 livelli) era intermedio. Quando si utilizza il componente aggiuntivo, il rapporto dice che ho "DF persi", che presumo significhi gradi di libertà, nella sezione Test sugli effetti fissi. Inoltre, non fornisce nessun altro output nel test degli effetti fissi Qualcuno può dirmi perché sta succedendo tutto questo?
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeGrazie per il feedback, MS! Dovrei davvero renderlo più robusto per i personaggi speciali, e sembra che l'abbia fatto in alcuni punti ma non in altri!
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeOttimo componente aggiuntivo! Risparmia molto tempo rispetto all'inserimento manuale dello stesso modello nella finestra di dialogo Adatta modello.
L'unico problema finora riguarda i nomi delle colonne che contengono caratteri strani come "%", "(" o "/". Ricevo un messaggio di errore e viene letto il registro
"Impossibile trovare l'elemento "Risposta Cs137/kg dw" nel contesto della struttura {"Risposta Cs137/kg dw"}
Nome non risolto: Cs137 nell'accesso o nella valutazione di 'Cs137', :Cs137/*###*/Eccezione nell'avvio della piattaforma"
Ma nonostante ciò, viene generato un report con stime identiche ma con un diverso insieme di caselle di contorno (adattamento predefinito del modello?).
(Io uso JMP 12.2 per Mac)
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Benson,
Volevo farti sapere che ho aggiunto le opzioni "Richiama" e "Mantieni finestra di dialogo aperta" alla versione più recente di questo componente aggiuntivo. Spero che aiuti!
Giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeGiuliano,
Penso che tu abbia ragione su più account. Il tempo nel mio studio è continuo (0-120 minuti; incrementi di 5 minuti) così come il df. Sto facendo un'analisi preliminare e abbiamo solo n di 4, quindi sono necessari più soggetti. Tuttavia, ora conosco il processo per il plug-in anova a 2 vie.
Grazie per l'aiuto!
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeSe ti mancano questi intervalli di confidenza, sospetto che tu abbia ricevuto anche altri errori durante il tentativo di adattare il modello. Dal numero di livelli che hai per il Tempo, sospetto che tu non abbia abbastanza gradi di libertà per adattare il modello utilizzando il tempo come nominale: mi aspettavo che avessi misurato gli individui su molti meno punti temporali. Dato il numero di livelli che hai, sembra che sarebbe meglio modellare il tempo come un effetto continuo, ovvero stimare una pendenza tra Y e il tempo per ciascuna condizione piuttosto che la media per Y in ciascun punto temporale per ciascuna condizione (che è cosa significa considerare il tempo come nominale, ed è quindi costoso in termini di parametri stimati).Questo non è qualcosa per cui il mio componente aggiuntivo è stato creato: il modello che stai cercando di adattare è quello in cui stai nidificando coefficienti casuali, qualcosa che puoi fare con la personalità Modello misto dedicata in Adatta modello in JMP Pro. Ecco la pagina della documentazione a riguardo:
Avvia la personalità del modello misto
Siamo spiacenti, il mio componente aggiuntivo non è stato in grado di aiutarti con questa analisi!
Giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeSì, la prova e i trattamenti sono intercambiabili. Nel mio modello ci sono 3 trattamenti/prove. Ho cambiato le prove e il tempo in entrambi nominali. È normale che l'output non fornisca l'IC al 95% superiore e inferiore quando si apporta questa modifica?
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiò accadrà se il tempo, la prova o entrambi sono contrassegnati come continui nel set di dati. Tutti dovrebbero essere contrassegnati come nominali per questo componente aggiuntivo e per questo tipo di analisi per stimare la media e la differenza nelle medie tra i trattamenti nei diversi momenti.
A proposito, Trial è un alias di Treatment o volevi includere Treatment nel tuo modello anziché trial?
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeGrazie Giuliano.
Sì hai ragione. Sto cercando di esaminare le differenze tra i punti temporali per trattamento. Tuttavia, quando si fa clic sul triangolo rosso della casella del tempo di prova* sotto la casella dei dettagli dell'effetto per eseguire l'analisi, sembra che nessuna delle opzioni sia evidenziata. Sono in grado di eseguire ulteriori analisi nelle caselle Prova e Oggetto, individualmente. Si prega di vedere l'immagine se ha senso:
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO jxa014 ,
Puoi eseguire confronti successivi espandendo la sezione Dettagli effetto e quindi utilizzando i triangoli rossi accanto a ciascuna sorgente nel modello. Sembra che tu sia più interessato a fare confronti tra i trattamenti in momenti diversi, il che significa che esaminerai la sezione prova x tempo e quindi utilizzerai una delle opzioni lì. Ho alcuni video che dimostrano alcune di queste opzioni di follow-up. Questi video discutono un modello fattoriale a misure non ripetute, ma i principi sono identici.
Panoramica dei semplici confronti a coppie in Stima modello:
Confronti a coppie in JMP con Fit Model (Modulo 2 3 4) - YouTube
Anova fattoriale generale:
ANOVA fattoriale (4x4) Analisi completa (Modulo 2 5 10) - YouTube
Testare le fette (a cui penso potresti essere particolarmente interessato)
Testare le sezioni nei progetti fattoriali (modulo 2 5 11) - YouTube
Questi video fanno parte della mia serie di video, Significantly Statistical Methods in Science, e puoi trovare l'intero set di moduli qui:
Metodi significativamente statistici nella playlist scientifica
Spero che questo ti aiuti!
giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeGiuliano,
È stato perfetto. Grazie mille. Ho eseguito l'analisi per una delle variabili di risposta ed ecco il risultato:
Test ad effetti fissi
Fonte Nparm DF DF Den Rapporto F Problema > F
Prova 2 2 6.006 2.6589 0,1489
Tempo 1 1 2.938 389.5700 0,0003
Prova*Tempo 2 2 5.904 5.5986 0,0433
Ora devo seguire i test sull'interazione di prova x tempo?
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO jxa014 ,
Certo, sarei felice di dare qualche indicazione qui!Il tuo datatable è strutturato nel formato che ho mostrato sopra (formato lungo o alto, con osservazioni ripetute per un soggetto su righe)?In caso contrario, dovrai impilare i tuoi dati utilizzando Tabelle > Stack.Fammi sapere se hai bisogno di farlo e posso darti consigli più specifici. Sarebbe anche utile se includessi un esempio del tuo set di dati (anche solo poche righe) così posso consigliarti meglio.
Se i tuoi dati sono nel formato giusto, impostare l'analisi dovrebbe essere semplice: inserisci la variabile dei soggetti (qualunque cosa identifichi in modo univoco i soggetti) nella sezione ID soggetto, inserisci TIME nella sezione Fattore entro soggetto (poiché hai ripetuto osservazioni per i soggetti In tempi diversi).La TRT potrebbe essere entro soggetto o tra soggetti a seconda del tuo metodologia. Se li misurassi ciascuno soggetto Sotto tutti e tre i trattamenti, la TRT dovrebbe essere inserita nella sezione entro il soggetto. Se hai assegnato ciascun soggetto a uno solo dei tre trattamenti, la TRT dovrebbe andare nella sezione del fattore tra soggetti.
Una volta eseguito il modello riceverai il consueto output statistico. Se sei più interessato all'interazione tempo x trattamento, puoi trovare dettagli sulla significatività statistica nella tabella Test sugli effetti fissi e sotto Dettagli sugli effetti puoi trovare le medie LS ed eseguire confronti di follow-up.
Spero che aiuti!
giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao,
Ho appena scaricato questo componente aggiuntivo e sembra fantastico, ma sono abituato a eseguire l'analisi nel tradizionale modello di adattamento JMP. Mi chiedo se potresti aiutarmi con il layout con le mie variabili e sperimentare:
Ho un esperimento in cui i nostri soggetti (SOGGETTI) hanno effettuato 3 trattamenti (TRT), ciascuno analizzato nell'arco di 2 ore (TIME), e sono state registrate diverse variabili di risposta (temperatura interna, frequenza cardiaca e temperatura cutanea).
Voglio esaminare le misure ripetute (trattamento x tempo) e verificare in modo specifico se ci sono differenze tra i TRT per ciascun punto temporale.
Fatemi sapere i vostri pensieri!!!
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO benson.munyan ,
Sì, è un ottimo suggerimento! L'ho aggiunto all'elenco dei miglioramenti per la prossima versione.Aggiungerò anche una casella di controllo a "Mantieni la finestra di dialogo aperta", cosa che faccio spesso in Adatta modello quando provo diversi modelli.
Giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCiao Giuliano,
Ho utilizzato ampiamente il tuo componente aggiuntivo e mi piace davvero. La mia unica lamentela principale è che non ha un pulsante di richiamo come molte altre piattaforme. C'è qualche possibilità che si possa aggiungere?
Grazie!
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeCIAO dacullin ,
Ci scusiamo per aver perso il tuo messaggio fino ad ora. Permettimi di affrontare ciascuna delle tue domande
Nel complesso, le tue domande sembrano appropriate da analizzare nel contesto di un'ANOVA a misure ripetute (o di un modello misto, che è ciò che fa questo componente aggiuntivo), anche se non sei interessato agli effetti o alle interazioni principali. Ci sono alcune cose da considerare però:
a) con una scala da 0 a 3 non hai molti motivi per pensare che i punteggi della popolazione siano distribuiti normalmente, quindi potresti preoccuparti un po' di questo presupposto del modello. Tuttavia, hai detto di avere diverse centinaia di insegnanti, quindi il teorema del limite centrale ti aiuterà in questo senso.
b) è probabilmente il caso che le tue covarianze tra le domande differiscano: alcune risposte alle domande probabilmente saranno più fortemente correlate ad altre. In sostanza, questo è ciò che il tuo Test di sfericità di Mauchly stava indicando una violazione di tale presupposto. Ciò pone qualche problema per i test di follow-up, poiché alcuni potrebbero essere conservativi e altri anti-conservatori. L'analisi di sottoinsiemi di dati può ridurre un po' questa preoccupazione poiché si stanno facendo ipotesi su un minor numero di covarianze. Se si utilizza JMP Pro, questi test possono essere eseguiti con covarianze non strutturate, ma non entriamo subito in questo argomento.
c) Per le prime tre domande sembra che non ti interessi confrontare le risposte agli item di insegnanti di diversi livelli, quindi potrebbe avere senso eseguire queste analisi separatamente per ciascun livello di insegnante (in questo modo, non includeresti livello dell’insegnante come fattore interdisciplinare). Un modo semplice per farlo è utilizzare il filtro dati (Righe > Filtro dati) ed escludere tutti gli insegnanti tranne il gruppo che desideri esaminare. Il componente aggiuntivo, come l'ho scritto, non include l'opzione per utilizzare una variabile Per, che sarebbe il modo più diretto per farlo normalmente. Lo aggiungerò all'elenco delle funzionalità che desidero aggiungere a questo componente aggiuntivo.
- In alternativa, puoi impostare questa analisi utilizzando Analizza > Adatta modello, che consente l'uso di una variabile per, procedendo come segue (supponendo che tu abbia i dati impilati come illustrato nella descrizione del componente aggiuntivo sopra)
- Analizza > Adatta modello
- Risposta come Y
- ID soggetto come primo fattore, selezionalo nella sezione degli effetti del modello, fai clic su "Attributi" quindi seleziona "Casuale" - questo contrassegnerà il tuo ID soggetto come effetto casuale in modo che JMP sappia come modellarlo correttamente
- Aggiungi il tuo fattore Domanda di prova alla sezione degli effetti del modello
- Aggiungi il livello dell'insegnante come variabile BY
- Verranno restituiti tre output del modello Fit separati, uno per ciascun livello di insegnante. Da lì puoi fare quanto segue:
Domande 1, 2, 3) Dopo aver eseguito il modello utilizzando questo componente aggiuntivo (dopo aver utilizzato il filtro dati per includere solo un gruppo di insegnanti) è possibile espandere la sezione Dettagli effetto, che mostrerà l'origine dell'elemento test. Se hai utilizzato Stima modello con una variabile per variabile, vedrai l'origine dell'elemento di prova sul lato destro dell'output (che è il posizionamento predefinito, a meno che tu non abbia modificato "Enfasi" in Stima modello in "Report minimo", che è la mia preferenza e quella su cui verrà impostato per impostazione predefinita il componente aggiuntivo sopra.
Dopo aver trovato la sezione relativa all'origine dell'elemento di prova, fai clic sul triangolo rosso accanto al nome e otterrai diverse opzioni per eseguire test a coppie. Dato che sei interessato a testare tutte le possibili combinazioni all'interno del fattore di elementi (che saranno molti test), consiglierei di utilizzare l'opzione Tukey HSD, che controllerà il tuo tasso di errore a livello familiare in tutti i test all'interno di un dato fattore. Il rapporto delle lettere di collegamento è un ottimo modo per esaminare le differenze oppure, se desideri i valori p modificati, puoi fare clic sul triangolo rosso nel rapporto Tukey HSD e selezionare Rapporto sulle differenze ordinate.
4, 5) Questi test richiedono che tu abbia insegnanti nello stesso modello degli elementi, quindi eseguirei un modello completo con il livello dell'insegnante come variabile tra materie e l'elemento come variabile all'interno della materia. Il mio componente aggiuntivo aiuta con l'impostazione del modello, ma se hai familiarità con i modelli misti puoi farlo anche direttamente tramite la finestra di dialogo Adatta modello. Una volta ottenuto il rapporto sul modello, espandi la sezione dei dettagli dell'effetto e trova la fonte dell'interazione. Lì puoi utilizzare "Test Slices", che eseguirà sezioni di contrasto: un test per uno dei fattori a un singolo livello di un altro fattore. Ad esempio, otterrai una sezione etichettata "Elemento 1" (o qualunque sia l'etichetta del primo elemento) che testerà se esistono prove che gli insegnanti differiscono nelle loro risposte solo per l'elemento 1. Li otterrai per tutti gli articoli. Questi sembrano i test più importanti per te, essenzialmente ANOVA unidirezionali per l '"effetto" del livello dell'insegnante a ciascun livello dell'elemento. Con le sezioni di test otterrai anche una sezione etichettata "Insegnanti delle scuole superiori" (o qualunque cosa tu abbia etichettato per quel livello) che è un test per verificare se esistono prove, nel complesso, che gli insegnanti delle scuole superiori diano valutazioni diverse per tali elementi. Queste ultime sezioni sono probabilmente meno utili per te, soprattutto perché avrai esaminato le differenze tra gli elementi nei modelli precedenti separatamente per ciascun livello di insegnante.
Se desideri essere più prudente per questi test del livello dell'insegnante per ciascun elemento, puoi eseguire la stessa serie di passaggi che ho suggerito sopra per filtrare i tuoi dati o utilizzare una variabile Per. Ciò significa che stai impostando 15 modelli diversi, uno per ogni elemento, con il singolo fattore del livello dell'insegnante. Una volta ottenuto ciascun modello, eseguiresti il test Tukey HSD, fornendoti i rapporti delle lettere di collegamento o le differenze ordinate con i valori p se li richiedi. Questa potrebbe effettivamente essere una linea d'azione migliore poiché non dovresti affermare nulla sulle covarianze tra gli elementi poiché stai suddividendo i tuoi dati per includere solo un elemento alla volta.
Se intendi utilizzare questo componente aggiuntivo, ho due serie di video con maggiori dettagli qui:
Modulo 2:8 - Misure ripetute di un fattore
Modulo 2:9 - Misure fattoriali ripetute
Spero che aiuti!
giuliano
Oggetto: Componente aggiuntivo ANOVA per misure ripetute fattoriali completeHo intenzione di scaricare e provare questo componente aggiuntivo, ma spero che tu possa comunque aiutarmi con la mia domanda qui sotto. Ho inserito questa situazione nel post della community degli utenti JMP circa 5 settimane fa, ma finora non ho ricevuto suggerimenti. Dove dovrei metterlo?
Il mio set di dati è costituito dalle risposte al questionario di diverse centinaia di insegnanti.
circa un terzo frequentano le scuole elementari, medie e secondarie
ciascuno di loro ha valutato l'importanza di 15 elementi su una scala da 0 a 3
(mi sento a mio agio nel trattare queste valutazioni come dati a livello di intervallo; o l'ordinale è OK se funziona)
Lo visualizzo come un'ANOVA a misure ripetute (tra variabile = livello dell'insegnante; variabile ripetuta = 15 valutazioni) con test di follow-up
Ma ho poco interesse per gli effetti principali: o valutazioni ripetute (combinare i punteggi di un particolare elemento su 3 livelli di insegnante non ha senso), o tra livelli di insegnante (gli elementi non vanno insieme; ciascuno è autonomo, quindi il punteggio totale è di nessun interesse)
invece le mie domande sono queste:
1-per il gruppo degli insegnanti delle elementari, quale dei 15 item ha un punteggio significativamente più alto rispetto agli altri?
2- stesso discorso per gli insegnanti delle scuole medie
3- stessa domanda per gli insegnanti delle scuole superiori
4-Uno dei 3 gruppi di insegnanti valuta l'item 1 in modo significativamente diverso rispetto agli altri due gruppi?
5- stessa domanda per i punti 2—15
(Mi rendo conto che dovrò ridurre l'alfa in modo piuttosto sottile per proteggermi dall'inflazione)
il mio primo pensiero è stato ANOVA per misure ripetute con test di follow-up e ignorare semplicemente gli effetti principali per arrivare ai test di follow-up.
ma il test di sfericità di Mauchly è stato significativo, indicando apparentemente (?) la necessità di una MANOVA con test successivi. In tal caso, come posso eseguire confronti medi di follow-up dopo una MANOVA in JMP?
In alternativa, dovrei considerare un’analisi diversa, dal momento che non mi interessano gli effetti principali?
