Ciao a tutti,
Sono uno studente di dottorato in biomedicina e ipotizzo che un particolare tipo di cellula aumenti con una diversa durata dei trattamenti farmacologici (ad esempio confrontando il controllo PBS con d12 di trattamento con d19 di trattamento). Ho utilizzato JMP pro12 ed ho eseguito un modello dei minimi quadrati standard. Ho eseguito due esperimenti per testarlo e ho impostato il codice dell'esperimento come effetto casuale. L'altro effetto è il trattamento.
Sto esaminando il test sugli effetti fissi -> dettagli effetto -> LS significa differenze Tukeys HSD -> rapporto sulle differenze ordinate per vedere se i trattamenti sono significativamente diversi. Il test a effetto fisso ha un punto invece del valore ap nella colonna prob>f e sono presenti punti anche nelle colonne CL inferiore/CL superiore. Non sono quindi sicuro se credere al valore p (<0,0001).
Penso che questo potrebbe avere a che fare con l'errore "Convergenza discutibile: controlla le iterazioni"?
Sai come aggiustarlo? Posso fidarmi dei valori p e dire che ci sono differenze significative tra tutti i miei gruppi o i miei dati non sono adatti per questo test?
Molte grazie!
Emma
Davvero utile, grazie mille. Ho ricevuto la seguente risposta dal supporto tecnico JMP che credo abbia risposto alla mia domanda:
Ciao Emma,
La tua domanda sulla mancata convergenza è stata trasmessa al supporto tecnico JMP.
Esaminando il tuo modello, ho notato alcune cose:
All'ultima iterazione, la stima della componente di varianza per Expt era negativa, suggerendo che potrebbero non esserci prove sufficienti di variabilità tra Expt per modellare quell'effetto casuale.
In effetti, quando si tracciano i dati, non sembra esserci evidenza evidente di alcuna differenza tra quelli di Exp. Il grafico sottolinea inoltre l'incertezza nelle stime per le combinazioni di trattamenti in cui sono presenti solo poche righe di dati.
Penso che questa sia la causa dell’instabilità e della mancata convergenza verso una soluzione.
Nota se deseleziona "Componenti della varianza illimitata" nella finestra di dialogo del modello (legati ai VC), il modello convergerà a una soluzione in cui la varianza dell'effetto casuale Expt è stimata pari a zero.
Questo modello sarebbe equivalente al modello in cui si rimuove l'effetto casuale Expt e si adatta solo l'effetto del trattamento fisso. Penso che sarebbe un approccio ragionevole qui.
Spero che queste informazioni siano utili. Per favore fatemi sapere se avete domande di follow-up o avete bisogno di chiarimenti.
Grazie,
Adam Morris
Supporto tecnico JMP
