Hola a todos,
Soy un estudiante de doctorado en biomedicina y planteo la hipótesis de que un tipo de célula particular aumenta con diferentes duraciones de los tratamientos farmacológicos (por ejemplo, comparando el control de PBS con el día 12 del tratamiento con el día 19 del tratamiento). He utilizado JMP pro12 y ejecuté un modelo de mínimos cuadrados estándar. Realicé dos experimentos para probar esto y configuré el código del experimento como un efecto aleatorio. El otro efecto es el tratamiento.
Estoy mirando la prueba de efectos fijos -> detalles del efecto -> LS significa diferencias Tukeys HSD -> informe de diferencias ordenadas para ver si los tratamientos son significativamente diferentes. La prueba de efectos fijos tiene un punto en lugar del valor p en la columna prob>f, y también hay puntos en las columnas CL inferior/CL superior. Por lo tanto, no estoy seguro de creer en el valor p (<0,0001).
Creo que esto podría tener que ver con el error "Convergencia cuestionable: verificar iteraciones".
¿Sabes cómo arreglar ésto? ¿Puedo confiar en los valores de p y decir que existen diferencias significativas entre todos mis grupos o mis datos no son adecuados para esta prueba?
¡Muchas gracias!
emma
Realmente útil, muchas gracias. Recibí la siguiente respuesta del soporte técnico de JMP que creo que respondió a mi pregunta:
Hola Emma,
Su pregunta sobre la falla en la convergencia se pasó al soporte técnico de JMP.
Al examinar su modelo, noté algunas cosas:
En la última iteración, la estimación del componente de varianza para Expt fue negativa, lo que sugiere que puede no haber suficiente evidencia de variabilidad entre Expt para modelar ese efecto aleatorio.
De hecho, al trazar los datos, no parece haber evidencia obvia de ninguna diferencia entre los Expt. El gráfico también enfatiza la incertidumbre en las estimaciones de las combinaciones de tratamientos en las que solo hay unas pocas filas de datos.
Creo que esta es la causa de la inestabilidad y de la falta de convergencia hacia una solución.
Observe que si anula la selección de "Componentes de varianza ilimitada" en el cuadro de diálogo del modelo (vincula los vc), entonces el modelo convergerá a una solución donde se estima que la varianza del efecto aleatorio Expt es cero.
Ese modelo sería equivalente al modelo en el que se elimina el efecto aleatorio Expt y solo se ajusta al efecto de tratamiento fijo. Creo que ese sería un enfoque razonable aquí.
Espero que esta información sea útil. Avíseme si tiene preguntas de seguimiento o necesita una aclaración.
Gracias,
Adam Morris
Soporte técnico JMP
