Option pour une analyse multiple multivariée?J'essaie de savoir s'il existe une option dans JMP pour analyser les données qui ont 6 variables indépendantes et 3 variables dépendantes.
Re: Option pour une analyse multiple multivariée?Oui, mais comme toute analyse, cela dépend de ce que vous voulez faire (à quoi sert l'analyse?). Juste quelques possibilités qui peuvent gérer plusieurs facteurs et réponses multiples: MANOVA, PLS, réseaux de neurones, modèles de partition. Il y en a plus.
Re: Option pour une analyse multiple multivariée? @Dan_Obermiller Merci pour votre réponse rapide. Je travaille avec un ensemble de données dans lequel une variable indépendante est le score de risque attribué à 5 facteurs (facteurs dichotomiques) et j'essaie de voir si ces risques sont liés aux soins médicaux (qui est défini par 3 variables parmi ces 3, une continue et 2 sont dichotomique. Il s'agit également de données imbriquées, il faut donc affecter un effet imbriqué.
Re: Option pour une analyse multiple multivariée?Je n'ai pas les antécédents dans votre région pour suggérer une analyse appropriée. L'analyse appropriée dépendra de vos objectifs, de la façon dont les données ont été collectées, des informations à obtenir, etc. Ce forum n'est pas conçu pour vous dire quelle analyse effectuer, mais plutôt comment utiliser JMP pour effectuer l'analyse choisie.
Quelques questions / commentaires qui pourraient vous aider. Au cœur de toutes les analyses sera un modèle. Y a-t-il une raison pour laquelle vous souhaitez avoir un modèle UNIQUE pour couvrir les trois réponses plutôt que trois modèles distincts? Dans de nombreux cas, il n'y a aucune raison d'avoir un seul modèle couvrant plusieurs réponses. Cela sera particulièrement vrai dans votre situation, car vous avez une réponse continue et deux réponses catégoriques. Les réponses catégorielles doivent être modélisées différemment de la réponse continue. Plusieurs fois, l'ajustement d'un modèle à chaque réponse séparément permet de meilleurs modèles qu'un seul modèle global.
L'imbrication PEUT causer des problèmes car elle pourrait limiter les techniques que vous voudrez peut-être envisager (certaines techniques n'autorisent pas l'imbrication - ou ne s'y intéressent pas). Je vous encourage à consulter certains textes sur la modélisation statistique. Modèles statistiques linéaires appliqués par Neter, Kutner, et.al. pourrait être une bonne chose à considérer. Votre analyse impliquera probablement d'utiliser la plateforme Fit Model de JMP, donc la lecture de la documentation JMP sur cette plateforme pourrait également vous être utile.
J'espère que ces informations pourront vous aider à démarrer. Je vous souhaite bonne chance pour effectuer votre analyse et n'hésitez pas à revenir sur le forum et à demander de l'aide à la communauté sur des questions plus spécifiques.
Re: Option pour une analyse multiple multivariée? @Dan_Obermiller Je vous ai donné tous ces détails parce que je pensais que cela aiderait à expliquer mes données. Je suppose que ma question n'était pas claire. J'utilise l'analyse de modèle mixte pour cela et en ce moment j'utilise SAS (proc mixed) pour cela. Lorsque j'ai essayé d'utiliser une personnalité de modèle mixte dans JMP, cela ne me permettait pas d'ajouter ma variable dépendante dichotomique dans Y. J'ai essayé de rechercher dans la documentation JMP si je fais quelque chose de mal mais que je n'ai pas pu le trouver.
Je suppose que je vais relire la documentation JMP pour une analyse future. Merci quand même.
Re: Option pour une analyse multiple multivariée?JMP ne prend pas en charge les réponses nominales ou ordinales dans un modèle mixte pour le moment (à ma connaissance, de toute façon!). PROC MIXED semble être une bonne option pour les réponses nominales / ordinales. Notez que vous pouvez appeler un programme SAS à partir de JMP, ce qui peut être une option viable pour rester dans votre session JMP, mais que PROC MIXED effectue toujours l'analyse de ces réponses.
Re: Option pour une analyse multiple multivariée? @Dan_Obermiller Merci pour ta réponse rapide. Cela efface ma confusion.
