共変数に応じた結果の反復測定データセットをあなたの注意を引くことができますが、それを正しく分析するのに苦労しています：
| 研究ID | 生きている | 測定の日 | 変数1 | 変数2 | 変数co |
| A | 1 | 0 | 210 | 500 | はい |
| A | 1 | 2 | 210 | 250 | はい |
| B | 1 | 0 | 151 | 398 | 番号 |
| B | 1 | 1 | 151 | 372 | 番号 |
| B | 1 | 2 | 151 | 320 | はい |
| B | 1 | 3 | 151 | 268 | 番号 |
| B | 1 | 4 | 151 | 372 | 番号 |
| C | 0 | 0 | 33 | 269 | はい |
| C | 0 | 1 | 33 | 203 | 番号 |
私はすべての被験者（研究ID）に対して繰り返し測定を行っているため、すべての変数はさまざまな時点（測定日）で積み上げられています。すべてにわずかな結果があります：生きている：1/0。
1。変数1と2は連続変数であり、私の被験者（研究ID）の結果（生きている）を決定します。
-私がどのテストを最もよく使用したか、またはリファレンスを参照してください
2。問題1：被験者は異なる期間（測定の最終日まで）に死亡または生存します-これをどのように説明しますか？
3。問題2：すべての被験者がすべての日（測定日）に繰り返し測定を行うわけではなく、一部の被験者が欠落しています（例スタディID：A）-それらをどのように説明しますか？
4。変数Coは変数2に影響を与える可能性があり、変数2は結果（生存）に影響を与える可能性があります-この影響をどのように説明しますか？
ご指導ありがとうございました！この分析にご協力いただきありがとうございます！マーク
再：共変量に応じた結果の反復測定これは、従来の「反復測定」設計ではありません。これは「生存」研究です。結果（応答）は生きていたり死んでいません。死は「出来事」です。応答は、このイベントへの時間（日）です。一部の被験者がまだ生きているという事実は、最後に観察された時間が最小の寿命であることを意味します。そのようなデータは「検閲済み」です。JMPで「右打ち切り」データを使用できます（下限のみ）。対象を継続的に監視するのではなく、1日に1回だけ監視するという事実は、「間隔打ち切り」を使用してより正確な推定値（下限と上限）を取得する必要があることを示唆しています。
結果（日）に2つの列があるようにテーブルを作成します。最初の列はそれらが最後に生きて観察された時間であり、2番目の列は最初に死んで観察された時間です。何日間も被験者を観察したという事実は無関係です。重要なのは、死ぬまでの時間です。
最後の観測値の共変量を含む各被験者に1つの観測値を使用してデータテーブルを設定します。最初の数人の被験者ではこのように見えるかもしれません。（あなたの例を理解できれば。）
データを分析するには、[分析]> [モデルの適合]を選択します。[性格]のドロップダウンメニューをクリックし、[パラメトリックサバイバル]を選択します。EarlyおよびLateデータ列を選択し、Yをクリックします。注：最初に最も早い時間を入力することが重要です。共変量データ列を選択し、追加またはマクロを使用して線形予測変数を作成します。それは見えるはずです何かこのような：
実行をクリックします。
モデルでは変数2と変数coの両方を一緒に使用しないことをお勧めします。
