Créer des modèles avec le temps comme facteurBonjour,
Je mène une expérience sur le moment de l'alimentation et le moment de la récolte (la récolte est définie comme la fin de la durée de la culture ou la fin de l'expérience) pour différents flacons de culture cellulaire. En concevant mon DoE, je me rends compte que le moment de la récolte me permet de "tricher" un peu avec mes conditions. Supposons que je regarde la viabilité (la santé des cellules pour ainsi dire) si je récolte le jour 14 par rapport au jour 15. Lorsque je lance mon expérience, je peux réellement "récolter" un petit échantillon à J14 et ainsi analyser chaque condition pour les deux points de temps (jours 14 et 15). Cela me permettra d'économiser # de conditions, mais je suis conscient que je peux briser certaines hypothèses lorsque JMP analyse chaque condition séparément (pas de véritables événements indépendants). Lorsque j'essaie de créer un DoE, je sais que JMP suggère vraiment d'avoir des conditions distinctes pour la récolte D14 et D15 au lieu de simplement analyser la même condition à 2 moments.
Quels sont les défauts de cette méthode ? Je sais qu'il y a quelque chose qui s'appelle une analyse de séries chronologiques mais je ne l'ai jamais utilisée et dans ce cas, nous ne regardons que 2 points dans le temps.
Merci
Re : Créer des modèles avec le temps comme facteurEn plus de la suggestion de Mark (qui consiste à gérer cela comme une conception en parcelles divisées, une application très utile), vous pouvez également traiter ces deux mesures comme des répétitions dans des combinaisons de traitement. Les répétitions pourraient être utilisées pour estimer une moyenne et une variance pour les combinaisons de traitement. Chacun de ces Y pourrait être analysé indépendamment. Il n'y a également rien de mal à les traiter comme deux Y tant que vous êtes prudent dans l'interprétation de l'analyse quantitative (hypothèses NID (0, variance)). Voir à quel point ils sont corrélés (analyse multivariée).
Re : Créer des modèles avec le temps comme facteurLe problème est la randomisation, pas le timing. Ce que vous faites n'est pas mal. Ce que vous faites est différent. JMP doit connaître cette différence lorsque vous concevez l'expérience et lorsque vous analysez les données.
La raison en est que, par défaut, JMP suppose que vous réinitialisez chaque facteur entre chaque exécution. Vous recommencez toujours ou à partir de zéro. Dans votre cas, les résultats à deux moments avaient le même point de départ. Ils sont corrélés. Si cette corrélation n'est pas prise en compte, vous pouvez avoir plus d'erreurs de type I et d'erreurs de type II.
La réponse est de changer la définition des facteurs pour qu'ils soient "difficiles à changer". Ensuite, vous pouvez définir le nombre de "parcelles entières". Dans votre cas, vous randomisez deux fois moins souvent (c'est-à-dire que vous obtenez une paire de points temporels à partir de chaque condition), alors entrez n/2 pour le nombre de parcelles entières où n est le nombre d'exécutions.
JMP enregistre automatiquement les informations dans la table de données afin que l'analyse soit correcte.
