2-Wege-Analyse der Kovarianz, wiederholte MessungenIch verwende JMP Pro 14.1.0 auf einem Mac. Ich möchte eine Kovarianzanalyse mit wiederholten Messungen durchführen.
In meinen Daten gibt es zwei Gruppierungsvariablen für Probanden, Rasse/ethnischen Status (B v H v W) und Geschlecht (M v F), also sechs Zellen für Status und Geschlecht.
Es gibt sechs abhängige Variablen, die alle von einer von den Eltern ausgefüllten Bewertungsskala abgeleitet sind, sodass die abhängigen Variablen korreliert werden können.
Die Probanden in jeder Zelle variieren leicht im Durchschnittsalter, und das Alter der Probanden könnte möglicherweise die abhängigen Variablen beeinflussen, daher möchte ich das Alter kovariieren.
Was sind meine Schritte in JMP, um dies zu tun?
Betreff: 2-Wege-Analyse der Kovarianz, wiederholte MessungenIch bin immer wieder erstaunt, wie Mark mit so wenig Input so gute Ratschläge gibt... Auf jeden Fall habe ich noch ein paar zusätzliche Gedanken:
1. Was sind die „Von Eltern ausgefüllte Bewertungsskalen“? Haben Sie dieses Messsystem bewertet? Gibt es Konsistenz innerhalb und zwischen Bewertern? Wie viel Variation gibt es innerhalb/zwischen Bewertern? Sind Sie nur der Durchschnitt dieser Bewertungen? Wie gehen Sie mit Rater Bias um?
2. Ich bin mir nicht ganz sicher, was Sie mit wiederholten Maßnahmen meinen. Wenn es sich tatsächlich um Wiederholungen handelt (mehrere Datenpunkte, ohne dass sich die Behandlungskombinationen ändern), fügen sie keine Freiheitsgrade hinzu. Es sieht also so aus, als hätten Sie 5 DFs. Wie Mark betont, wäre es am logischsten, nach linearen Beziehungen zu suchen (nichtlinearer Rassen- / Ethikstatus ist unlogisch), sodass Sie einen Freiheitsgrad "aufgeben" müssen, um den linearen Effekt der Kovariate (keine Interaktion) abzuschätzen ).
3. Ich würde normalerweise Wiederholungen empfehlen, um DFs hinzuzufügen, um Kovariaten zu untersuchen (Sie werden sowohl feste als auch zufällige Effekte im Modell haben).
4. Analysieren (Anpassungsmodell) der Kovariate mit sequentiellen (Typ 1) und partiellen (Typ 3) Tests für die festen Effekte. Aktivieren Sie VIFs (Spalte in Parameterschätzungen hinzufügen), um nach Korrelationen zwischen den Prädiktorvariablen zu suchen.
Betreff: 2-Wege-Analyse der Kovarianz, wiederholte MessungenDanke. Die Datentabelle ist bereits so eingerichtet, wie Sie es sagen, sodass Sie es einfach ausprobieren können. Ich werde auch die von Ihnen angegebenen Referenzen prüfen
Betreff: 2-Wege-Analyse der Kovarianz, wiederholte MessungenIch bin mir über das Design der Studie nicht ganz im Klaren, aber versuchen Sie es mit diesem Ansatz. Erstellen Sie zunächst eine Datentabelle mit einer Datenspalte für Rasse/ethnischen Status, Geschlecht, Alter und die sechs Antworten. Geben Sie jede Antwort in einer separaten Zeile ein. Mit anderen Worten, fassen Sie die Daten nicht nach "Zelle" vor.
Wählen Sie Analysieren > Modell anpassen aus. Wählen Sie die sechs Antwortdatenspalten aus und klicken Sie auf Y. Wählen Sie Status, Geschlecht und Alter aus. Klicken Sie auf Makros und wählen Sie Factorial to Degree aus. Dieses Modell geht von der Möglichkeit von Wechselwirkungen aus (z. B. kann der Effekt des Alters zwischen den Geschlechtern unterschiedlich sein), aber nicht von nichtlinearen Effekten. Es ist ein guter Anfang. Stellen Sie sicher, dass Sie die Option Separat anpassen in der oberen rechten Ecke auswählen. Klicken Sie auf Ausführen.
Siehe das Buch Help > Books > Fitting Linear Models. Es gibt mehrere verwandte Kapitel, die sich mit diesen Modellen und den Optionen und Ergebnissen der Fit-Least-Squares-Plattform befassen.
