Hallo,
Kann jemand etwas über die Option „Steigungen vergleichen“ sagen, die in der Persönlichkeit „Gemischtes Modell“ von „Modell anpassen“ verfügbar ist? Es scheint, dass die Unterstützung auf einen ANOM-ähnlichen Vergleich beschränkt ist. Gibt es Möglichkeiten, Informationen aus Fit Mixed zu erhalten, wenn ich an paarweisen Vergleichen von Steigungen (Tukey oder Student) oder an einem Vergleich der meisten Steigungen mit einer der Steigungen, die als Kontrolle dient (Dunnett's), interessiert bin?
Danke,
Michael
Hallo Laura,
Diese Informationen sind nützlich. Ich war noch bei JMP14 EA7, als ich meinen ursprünglichen Beitrag schrieb.
In meiner Situation benötige ich wirklich das gemischte Modell, da ich einen Zufallseffekt habe, der einbezogen werden muss. Während ich es lese, glaube ich nicht, dass Julians Skripte zutreffen, obwohl ich denke, dass diese Skripte dem nahe kommen, was ich gerne machen würde.
Nochmals vielen Dank, dass Sie überhaupt etwas für diesen Fall hinzugefügt haben. Es füllt eine Lücke in meinem Werkzeugkasten.
Michael
Hallo Michael,
Vielen Dank, dass Sie unsere JMP 14 Early Adapter-Version ausprobiert haben.Ich bin nicht sicher, welche EA-Version Sie verwenden, aber unsere neueste EA (Version 8) Falls Sie interessiert sind, wurde diese Option auch zu „Kleinste Quadrate anpassen“ und „REML“ hinzugefügt.Wir haben hier vorerst nur den ANOM-Vergleichstest hinzugefügt.Wenn Sie interessiert sind, hat Julian auch ein JMP-Add-In zum Vergleichen von Steigungen in „Fit Least Squares“ erstellt, das Ihnen einige andere Vergleichsoptionen bietet.
https://community.jmp.com/t5/JMP-Add-Ins/Compare-Simple-Slopes-in-One-Way-ANCOVA-w-Interaction-add-in/ta-p/23903
Weitere Informationen finden Sie auch in der folgenden vorherigen Diskussion:
https://community.jmp.com/t5/Discussions/comparison-of-slopes/mp/18674#M17024
Ich hoffe, das ist hilfreich.
Laura
Ich werde den ersten Versuch unternehmen, eine Antwort zu finden. Ich verwende eine Tabelle aus den Beispieldaten.
Open("$SAMPLE_DATA/Growth Measurements.jmp")
Und ich werde dieses Modell ausführen:
Fit Model(
Y( :Growth ),Effects( :Gender ),Personality( "Mixed Model" ),
Subject( :Subject ),Repeated Effects( :Age ),
Repeated Structure( "Toeplitz Unequal Variances" ),
Run( Random Effects Covariance Parameter Estimates( 0 ) )
)
Im Menü des Berichts mit dem roten Dreieck klickte ich auf „Mehrere Vergleiche“. 
Durch diese Auswahl wird Folgendes am Ende des Berichts hinzugefügt:
Aus der Methode der kleinsten Quadrate:
Vergleichen Sie die Bereiche der Konfidenzintervalle. Beachten Sie, dass das obere 95 %-KI von Geschlecht=F ist
weniger als das untere 95 %-KI von Geschlecht=M. Die Chancen stehen gut, dass es einen signifikanten Unterschied gibt.
Aus dem Bericht „Alle paarweisen Unterschiede“:
Beachten Sie, dass der Unterschied zwischen Geschlecht=F und Geschlecht=M =3,07 beträgt...
Der gleiche Unterschied zwischen der Schätzung von F und M im obigen Bericht
Die Nullhypothese, dass F und M nicht unterschiedlich sind, wird abgelehnt. (H; FM=0) Null ist nicht enthalten
innerhalb der Grenzen des oberen und unteren 95 %-KI liegen, daher lehnen wir die Null ab. (Unterschied ist erheblich)
Ich liebe das Streudiagramm für den paarweisen Vergleich. Betrachten Sie es so: Wenn Sie eine Linie mit einer Steigung von 1 und einem Achsenabschnitt von 0 zeichnen und dann F vs Die beiden Ebenen sind unterschiedlich.
In dieser letzten Abbildung vergleiche ich die Füllvolumina über drei Zeilen hinweg. Es ist leicht zu erkennen, wo mein Problem liegt. Mein Cursor befindet sich auf dem roten Punkt im Diagramm, sodass die Beschriftung angezeigt wird. Das Ergebnis der Auswirkungen der Mehrfachvergleiche lässt ziemlich leicht erkennen, dass B und C wahrscheinlich unterschiedlich sind. In der Statistiktabelle enthält das Intervall für diesen Vergleich nicht Null und der p-Wert ist rot hervorgehoben.
Ich bin mir also nicht sicher, ob ich Ihre Frage wirklich beantwortet habe, aber so verwende ich es.
Prost,
-B
