追加の「ネストされた」パラメーターを含む反復測定混合線形モデル？こんにちはJMPコミュニティ、
比較的複雑な反復測定混合線形モデルについてサポートが必要です。
環境：
ベースライン、4週目、12週目にさまざまな治療を受けた被験者からデータを収集しました（繰り返し測定、添付の小さな抜粋を参照）。以下のモデル効果を備えたFit Model REMLプラットフォームを使用して、このデータセットを分析しました。
- 腕
- タイムポイント
- ARM * TIME POINT
- 患者ID [ARM]とランダム
- 患者ID * TIME POINT [ARM]およびランダム
問題：
次に、追加の効果を組み込む必要があります（つまり、PLATE ID）も患者IDとネストする必要があります（用語を誤って使用した場合は修正してください）。
JMP 14.1（Proではない）でこれを実行できると仮定すると、モデル効果の正しい構造はどのようになるでしょうか？
新しい用語のみを含めることは正しいでしょうか= 患者ID [プレートID]とランダム ？
ご協力ありがとうございました。
TS
分析Re：追加の「ネストされた」パラメーターを使用した反復測定混合線形モデル？ 私はあなたのデータセットについて私の考えを与えることができます：
1。4つのPlate_ID、7つの患者ID、5つのARMがあり、3つの期間にわたる測定値があります。 私がそれを正しく読んだ場合、あなたはたった7つのユニークな組み合わせを持っています。データは下図のようになります。
2。場合によっては、Patient IDとPlate_IDが混同されます。 ARM = Eの場合を除いて、ARMは患者IDと混同されます。
3。データにコンテキストはありませんか？この応答変数の変化のどれだけを検討する価値がありますか（実際に重要です）？
4。線形モデルが必要であることを示していますが、「因子」は2レベルを超えています。
では、時系列データをどのように処理できますか。
1。時系列の一貫性を範囲グラフで簡単に確認できます。
2。データに一貫性がないように見えても、統計を計算してその影響（平均および標準偏差、添付のJMPファイル）を要約できます。
3。時系列で何を探していますか？線の傾きは価値がありますか？
Re：追加の「ネストされた」パラメーターを使用した反復測定混合線形モデル？Statman様
私が共有したデータの小さなサブセットをご覧いただきありがとうございます。明らかに、私にはこのデータセット（n = 115）に多くの患者がおり、腕あたり10〜25人の患者がいます。残念ながら、データセット全体を共有することはできません。
私はあなたの建設的なアプローチに本当に感謝していますが、私が達成したいことはすでに明確になっています。+/- 0.2の有意差は生物学的に意味があると思います。
実際に助けが必要なのは、正しいプラットフォーム構造を明らかにして、アッセイプラットフォームに関連する潜在的な交絡因子を説明することです（つまり、プレートID）。何かご意見は？
ありがとう
TS再：追加の「ネストされた」パラメーターを使用した反復測定混合線形モデル？申し訳ありませんが、私はあなたが私に与えたものでしか仕事ができません。 あなたはこれがあなたのデータセットのサブセットであることについて言及しませんでした...
ご質問について」 実際に助けが必要なのは、正しいプラットフォーム構造を明らかにして、アッセイプラットフォームに関連する潜在的な交絡因子を説明することです（つまり、プレートID）。」
簡単に言えば、交絡因子を分離することはできないので、上記の要素について慎重に結論を導き出す。
Re：追加の「ネストされた」パラメーターを使用した反復測定混合線形モデル？Statman様
私を助けるためにあなたの努力をありがとう。誤解を招く情報を提供して申し訳ありません。最初の投稿で、「添付の小さな抜粋を参照」と書きました。これが私のデータのサブセットであることは明らかではなかったと理解しています。これはデータのサブセットであり、データセット全体ではなく、データ編成のスナップショットを提供するためだけに含まれていることは明らかでした。
私の質問に関しては、「混乱させる」という用語の使用には、私が意図していなかった非常に具体的な意味合いがあるかもしれないことに気づきました。たぶん、私が探しているものを説明するより良い方法は、バッチ効果の考えられる寄与を最もよく説明する方法に関する推奨事項です（つまり 一般的に、私が共有した小さなテーブルサブセットに示されているように編成されたデータを探索する場合、PLATE IDはPATIENT ID内にネストされます。
完全なデータセットを共有できない場合、問題についてフィードバックを提供することがどれほど難しいかを知っています（他のユーザーを助けようとして同じ状況にありました）
ベスト、
TSRe：追加の「ネストされた」パラメーターを使用した反復測定混合線形モデル？心配しないで、もっと役に立てればいいのに。 Plate IDが患者内にネストされているという意味が本当にわかりません。 あなたが含めた小さなサンプルデータセットから、明らかなネストはありませんでした。 変数をネストするには、別の変数に依存している必要があります。 したがって、バッチの例では、バッチ内のサンプルがバッチ内にネストされています。 より良いガイダンスを提供するために私はあなたの状況を理解していません。 バッチが患者内でどのようにネストされるかはわかりませんが、これは特定の状況を理解していないためです。 変数（A）があり、変数（B）にネストされている場合は、モデルにA [B]を追加します。 もちろん、これでは相互作用の影響を見積もることはできません。
Re：追加の「ネストされた」パラメーターを使用した反復測定混合線形モデル？Statman様
最初に、私はめちゃくちゃになりました：入れ子の関係の説明を逆にしました-つまり Patient_IDはPLATE_IDにネストされます-逆ではありません。
次に、JMPコミュニティが完全なデータセットをよりよく確認できるようにする匿名化されたデータセットを作成しました。
3番目に、REMLパーソナリティを持つ次のフィットモデル構造を使用することを考えています。
- 腕
- タイムポイント
- ARM * TIME POINT
- 患者ID [ARM]とランダム
- 患者ID * TIME POINT [ARM]およびランダム
- 患者ID [プレートID]とランダム
この方法は、PLATE_IDを考えられる変動源として考慮しながら、これらの反復測定（DATA）に対するARMとTIME POINTの効果の違いを調査するのに適切ですか？ちなみに、データの簡単な視覚調査は、DATAがPLATE_ID、ARM、およびTIME POINTの影響を受けていることを示しています。
ベスト、
TS
