Bonjour Communauté JMP:
Où puis-je trouver de la documentation sur les modèles à courbe de croissance latente (LGC)? Dans le chapitre 8 de la documentation sur les méthodes multivariées, LGC est mentionné comme l'une des fonctionnalités de JMP15 via la plate-forme multivariée -> SEM. Cependant, je ne trouve aucun exemple de la procédure à suivre dans JMP15.
Quelqu'un peut-il aider?
Merci
Narayanan
@ Narayanan c'est une option de la plate-forme Miltivariate dans JMP Pro 15. Lorsque vous vous trouvez sur la plate-forme SEM, il s'agit d'une option dans la liste déroulante Sélection du modèle. Vous pouvez également spécifier le modèle à partir de zéro à l'aide des zones de spécification et vérifier le modèle dans la vue Diagramme. J'ai couru quelques modèles LGC en utilisant la plate-forme, elle est rapide avec des jeux de données relativement volumineux.
salut @ Narayanan ,
Une recherche rapide n'a pas révélé d'exemple spécifique, mais elle a décrit les étapes impliquées, comme indiqué dans Aperçu des modèles d'équations structurelles
@LauraCS @sheila_loring pouvons-nous ajouter un exemple spécifique de LGC dans une mise à jour de la documentation?
Stan
@ Narayanan ,
Malheureusement nous n'avons pas d'exemple dans la doc mais ça devrait arriver bientôt! Nous devons commencer par ajouter un exemple de tableau de données approprié pour un LGC.
Pour l'instant, voici quelques directives pour les courbes de croissance latente :
(1) Les données sur les mesures répétées doivent être au format "large"
(2) Les LGC les plus courants sont:
(2.a) modèle "sans croissance", qui est un modèle à interception uniquement. C'est-à-dire qu'une ligne plate est ajustée mais nous permettons une variabilité dans l'ordonnée à l'origine de sorte qu'une estimation de la ligne "plate" de chaque individu puisse être obtenue.
(2.b) Modèle de "croissance linéaire", qui a un facteur d'interception et de pente, chacun avec des variances estimées pour permettre de déterminer à quel point chaque individu s'écarte de la ligne moyenne ("s'écarte" en termes d'interception et de pente) --so nous pouvons estimer les lignes de meilleur ajustement pour chaque individu dans les données.
(2.c) Modèle de "croissance quadratique", similaire au linéaire mais nous ajoutons également une pente quadratique. Maintenant, la trajectoire peut prendre une forme non linéaire.
(3) Chacun des LGC décrits au point 2 peut être spécifié automatiquement en utilisant le menu déroulant "Raccourcis modèle".
(4) Lors de l'ajustement des 3 alternatives, le tableau "Comparaison de modèles" peut être utilisé pour déterminer le meilleur modèle d'ajustement.
(5) C'est aussi une bonne idée d'utiliser un tracé parallèle (ou spaghetti) pour visualiser les trajectoires.
(6) Les variances d'interception, de pente linéaire et de pente quadratique peuvent être fixées à zéro si cela est jugé nécessaire.
Script JSL
Je joins un script qui devrait aider à titre d'exemple.
- La première partie simule des données pour 100 individus qui ont été mesurés à plusieurs reprises à quatre reprises à intervalles égaux.
- Je convertis ensuite les données en grand format pour les adapter au SEM
- Pour visualiser les trajectoires, j'utilise un tracé parallèle
- Je lance ensuite la plateforme SEM
Si vous avez envie d'exécuter le script, veuillez:
(1) cliquez sur Raccourcis modèle, sélectionnez la première option, puis cliquez sur Exécuter.
(2) cliquez à nouveau dans les raccourcis du modèle pour sélectionner la deuxième option et cliquez sur Exécuter.
(3) Enfin, sélectionnez la troisième option et cliquez sur Exécuter.
Le modèle générateur de données était une courbe de croissance linéaire, ce qui explique pourquoi ce modèle correspond bien et ne produit aucun avertissement (tel que des variances négatives). Les variations négatives des LGC sont parfois des symptômes de sur-ajustement.
J'espère que ça aide! L'analyse des données longitudinales est tellement amusante! 
~ Laura
PS @G_M Je suis ravi que vous ayez utilisé la plate-forme et que ces modèles fonctionnent bien!
