Signifie des comparaisons pour des mesures répétées sur les données d'enquêteQuelle est la façon la plus efficace de comparer les moyennes des mesures répétées des données d'enquête? À l'heure actuelle, il semble qu'il y ait 2 paires de correspondances principales et un modèle d'ajustement (avec l'ID du panéliste comme effet aléatoire). Cependant, dans de nombreux tests que nous exécutons, nous avons de nombreux moyens de comparer et je cherche à voir s'il existe des fonctionnalités supplémentaires dans l'onglet Associé en catégories pour accélérer ce processus.
Je sais qu'il y a déjà eu une discussion sur ce sujet (intitulée: Questions sur le type de réponses multiples dans la plate-forme catégorielle) et je cherche à voir s'il y a des mises à jour.
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêteTu as raison. La plate-forme catégorielle ne gère pas actuellement tous les types de mesures répétées. Comme vous l'avez demandé, nous avons mis en œuvre des corrections de chevauchement pour les mesures répétées pour le type Répété de réponses alignées. Je comprends que cela ne couvre pas tous les cas de mesures répétées et qu'il est souhaitable de traiter les réponses répétées.
Comme indiqué, SAS peut les gérer de manière appropriée. À ce titre, une solution serait d'écrire un complément JMP qui se connecte à SAS et transmet les données à analyser, puis les résultats présentés dans JMP.
Je signale cependant que ces analyses sont compliquées. Souvent, il n'y a pas suffisamment de mesures répétées par sujet pour estimer un modèle de mesures répétées. L'exemple que vous avez publié ici est un cas de choix.
Nous n'avons actuellement aucun plan pour implémenter des modèles mixtes linéaires généralisés dans JMP, ce que fait PROC GLMMIXED. Nous comprenons votre situation et souhaitons le faire dans JMP, mais ce type de modèle n'est pas actuellement sur notre feuille de route.
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêtePoursuivre le sujet des mesures répétées; il semble que l'industrie des biens de consommation continue de s'orienter vers un nombre accru de modèles d'essai dans lesquels des plans d'essai à mesures répétées sont utilisés. Sur la base de la réponse précédente, il semble que l'approche catégorielle actuelle souffre de l'hypothèse de mesures répétées et l'approche des modèles mixtes a du mal à traiter les réponses catégoriques comme continues. Pouvez-vous nous dire si les futures versions de JMP pourraient envisager des améliorations de plate-forme pour couvrir cette approche nécessaire?
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêteScott,
La raison pour laquelle la sortie est si différente n'est pas due à l'hypothèse de chevauchement mais parce que les deux sont des modèles très différents. La plate-forme catégorique traite Looks Good comme une variable catégorielle. Il a le type de modélisation continue, mais le mettre dans un tableau de contingence demande fondamentalement à JMP de le traiter comme catégorique de toute façon.
Je peux voir pourquoi quelqu'un pourrait choisir de considérer «Looks Good» comme continu. JMP ne propose pas de modèles mixtes pour les données catégorielles. Il n'y a pas non plus autant d'options pour les comparaisons multiples dans la littérature statistique que pour les données continues. Si vous étiez vraiment inquiet de l'hypothèse de mesures répétées dans ce cas, vous pourriez utiliser PROC GLIMMIX dans SAS. J'ai essayé d'estimer un modèle mixte pour Looks Good en utilisant PROC GLIMMIX, et le modèle ne convergerait pas. Ce n'est pas surprenant. Vous n'avez que deux observations par personne. Un modèle ordinal pour ces données nécessite 4 estimations d'interception. L'estimation d'une interception aléatoire pour chaque personne n'est pas possible pour un modèle ordinal avec ces données.
J'ai également essayé une version où j'ai re-codé Looks Good, donc il a 3 niveaux au lieu de 5. Ce modèle converge, mais uniquement avec des avertissements. À mon avis, un modèle mixte n'est pas une bonne solution pour ces données. Le PDF joint montre à la fois le code SAS et la sortie (le logiciel communautaire ne considère pas les fichiers texte comme des téléchargements valides).
"Looks Good" n'a que 5 valeurs distinctes (et, vraiment, seulement 3 d'entre elles sont utilisables car presque personne n'a répondu en utilisant les deux derniers niveaux). Il doit avoir le type de modélisation ordinale. Si tel était le cas, Fit Model produirait une régression logistique ordinale (tableau avec exemple ci-joint). Si vous faites cela, la valeur p pour le produit A par rapport au produit B est presque identique à celle produite par la plate-forme catégorique. (Il ne sera pas exactement identique car il existe un prédicteur supplémentaire dans la version Fit Model.)
À mon avis, pour cet exemple, traiter une colonne catégorique comme continue est au moins aussi mauvais que violer l'hypothèse des mesures répétées. Les tracés «Actual By Predicted» en haut de la sortie Fit Mixed semblent assez mauvais. Les valeurs de p dans la sortie sont trompeuses car le modèle n'est pas assez compliqué pour ajuster les données, et donc vous les valeurs de p dans les tests d'hypothèse sont basées sur des hypothèses qui ne sont pas vraies. JMP fait la «bonne chose» en fonction de ce que vous lui avez dit de faire, mais il suppose que vous lui avez donné les instructions correctes et que l'utilisateur vérifie les hypothèses du modèle en utilisant la sortie fournie.
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêteJe suis intéressé à savoir si JMP va développer quelque chose dans ce sens de la gestion des études croisées ou d'autres mesures répétées comme des études où plusieurs traitements sont impliqués. Je vois ici une variété de structures répétées. Beaucoup d'entre eux peuvent être gérés à l'aide de la personnalité mixte dans Fit Model, mais aucun ne peut être géré par Categorical aujourd'hui ...
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêteMelinda-
Vous trouverez ci-joint un exemple de fichier de données pour un test de mesures répétées de 2 produits. Il s'agit d'un format typique que nous recevons de nos fournisseurs. Nous avons un complément qui automatise une grande partie de la procédure et affiche les résultats d'une manière plus cohérente avec le format Consumer Research> Categorical> Structured. J'aimerais partager cela avec vous pour vous montrer comment cela fonctionne et ce qu'il fait, mais je préférerais un partage direct par rapport au partage communautaire si cela est possible. Aussi pour la perspective, j'ai supprimé la majorité des colonnes / questions mais c'est la raison pour laquelle je demande un moyen de faire plus d'une question à la fois.
Merci,
Scott
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêteMelinda-
Merci d'avoir répondu. Je cherche un ensemble de données pour essayer cela et voir à quoi cela pourrait ressembler. Séparément, nous avons quelques compléments qui nous rapprochent, et je peux montrer comment nous les utilisons si cela aide à illustrer mon exemple.
En ce qui concerne le chevauchement, je vais également extraire un échantillon de données pour vous montrer un problème potentiel pour voir si vous pouvez me conseiller sur la façon de l'utiliser correctement.
Merci,
Scott
Objet: Comparaisons des moyennes pour des mesures répétées sur les données d'enquêteSalut, Scott. J'ai vu quelques demandes de correction de chevauchement pour des comparaisons de moyens pour vérifier tout ce qui s'applique.
Nous avons ajouté une comparaison de chevauchement aux mesures répétées pour les comparaisons de moyennes dans JMP 13.0 à la demande de P&G. Cette fonctionnalité ne fonctionne que si vous n'avez pas de colonne X spécifiée.
Vous dites que vous avez "beaucoup de moyens de comparer" - Cela résoudrait-il votre problème si nous ajoutions la prise en charge des colonnes X aux comparaisons de chevauchement sur Répété?
