추가적인 "Nested"파라미터를 가진 반복 측정 혼합 선형 모델?안녕하세요 JMP 커뮤니티,
비교적 복잡한 반복 측정 혼합 선형 모형에 대한 도움이 필요합니다.
문맥:
기준선, 4 주차 및 12 주차에 다른 치료에 노출 된 피험자로부터 데이터를 수집했습니다 (반복 된 조치; 첨부 된 작은 발췌 참조). 다음 모델 효과와 함께 Fit Model REML 플랫폼을 사용하여이 데이터 세트를 분석했습니다.
- 팔
- 시점
- ARM * 시간 지점
- 환자 ID [ARM] 및 무작위
- 환자 ID * 시간 지점 [ARM] 및 임의
발행물:
이제 추가 효과를 통합해야합니다 (예 : PLATE ID)를 환자 ID와 중첩해야합니다 (용어를 잘못 사용하면 수정).
이것이 JMP 14.1 (Pro 아님)으로 수행 될 수 있다고 가정하면, 모델 효과의 올바른 구조는 무엇입니까?
새 용어 만 포함하는 것이 옳습니까? 환자 ID [PLATE ID] 및 무작위 ?
도와 주셔서 감사합니다.
TS
해석학다시 : 추가 "필요한"매개 변수를 가진 반복 측정 혼합 선형 모델? 데이터 세트에 대한 내 생각을 줄 수 있습니다.
1. 4 개의 Plate_ID, 7 명의 환자 ID 및 5 개의 ARM이 있고 3 개의 기간 동안 측정 값이 있습니다. 올바르게 읽으면 7 개의 고유 한 조합 만 있습니다. 데이터는 아래 그림과 같습니다.
2. 어떤 경우에는 환자 ID와 Plate_ID가 혼동됩니다. ARM = E 인 경우를 제외하고 ARM은 환자 ID와 혼동됩니다.
삼. DATA에 대한 컨텍스트가 없습니까? 이 반응 변수에서 얼마나 많은 변화가 고려되어야합니까 (실제적으로 중요한가)?
4. 선형 모형이 필요하다는 것을 나타내지 만 "요인"은 2 단계 이상입니다.
시계열 데이터를 어떻게 처리 할 수 있습니까?
1. 범위 차트를 사용하여 시계열의 일관성을 빠르게 살펴볼 수 있습니다.
2. 데이터가 일치하지 않는 것으로 보이지만 그 효과 (평균 및 표준 편차, 첨부 된 JMP 파일)를 요약하는 통계를 계산할 수 있습니다.
삼. 시계열에서 무엇을 찾고 있습니까? 선의 기울기가 가치가 있습니까?
다시 : 추가 "필요한"매개 변수를 가진 반복 측정 혼합 선형 모델?안녕하세요 Statman,
내가 공유 한 데이터의 작은 하위 집합을 살펴보기 위해 시간을 내 주셔서 감사합니다. 분명히, 나는이 데이터 세트 (n = 115)에서 팔 당 10-25 명의 환자가 더 많은 환자를 가지고 있습니다. 불행히도 전체 데이터 세트를 공유 할 수 없으므로 설명이 필요합니다.
저는 여러분의 건설적인 접근 방식에 진심으로 감사하지만, 내가 달성하고자하는 것을 이미 잘 알고 있습니다. 나는 +/- 0.2의 중요한 차이가 생물학적으로 의미가있을 것으로 기대합니다.
실제로 도움이 필요한 곳은 분석 플랫폼에 연결된 잠재적 혼란 요인을 설명하기 위해 올바른 모델 구조를 명확히하는 것입니다 (예 : 플레이트 ID). 이견있는 사람?
감사
TS다시 : 추가 "필요한"매개 변수를 가진 반복 측정 혼합 선형 모델?죄송합니다, 당신이 나에게주는 것만 사용할 수 있습니다. 이것이 데이터 세트의 하위 집합이라는 언급은 없습니다 ...
귀하의 질문에 대해 " 실제로 도움이 필요한 곳은 분석 플랫폼에 연결된 잠재적 혼란 요인을 설명하기 위해 올바른 모델 구조를 명확히하는 것입니다 (예 : PLATE ID). "
간단히 말해서, 혼란스러운 요소를 분리 할 수 없으므로 상기 요소들에 대한주의 깊은 결론.
다시 : 추가 "필요한"매개 변수를 가진 반복 측정 혼합 선형 모델?안녕하세요 Statman,
도와 주셔서 감사합니다. 오해의 소지가있는 정보를 제공 한 것에 대해 죄송합니다. 첫 게시물에 "작은 발췌문 첨부"를 작성했습니다. 나는 이것이 내 데이터의 하위 집합으로 명확하지 않을 수도 있음을 이해합니다. 이것이 전체 데이터 세트가 아닌 데이터 조직의 스냅 샷을 제공하기 위해 포함 된 데이터의 서브 세트라는 점을 분명히 했어야합니다.
내 질문에 관해서는, "혼란"이라는 용어의 사용은 내가 의도하지 않은 매우 구체적인 의미를 가질 수 있음을 알고 있습니다. 아마도 내가 찾고있는 것을 설명하는 더 좋은 방법은 배치 효과의 가능한 기여를 가장 잘 설명하는 방법에 대한 권장 사항입니다. 내가 공유 한 작은 테이블 하위 집합에 표시된 것처럼 구성된 데이터를 탐색 할 때 일반적으로 PATIENT ID 내에 중첩 된 PLATE ID).
전체 데이터 세트를 공유 할 수 없을 때 문제에 대한 피드백을 제공하는 것이 얼마나 어려운지 알고 있습니다 (같은 상황에서 다른 사용자를 돕기 위해 노력하고 있음).
베스트 ,
TS다시 : 추가 "필요한"매개 변수를 가진 반복 측정 혼합 선형 모델?걱정하지 마십시오. 더 도움이 되길 바랍니다. 플레이트 ID의 의미가 환자 내에 중첩되어 있다는 것을 이해하지 못합니다. 포함 된 작은 예제 데이터 세트에서 명확한 중첩이 없었습니다. 변수가 중첩 되려면 다른 변수에 따라야합니다. 따라서 배치 예제의 경우 배치 샘플 내에 배치 샘플이 중첩됩니다. 더 나은 지침을 제공하기 위해 귀하의 상황을 이해하지 못합니다. 배치가 환자 내에 어떻게 중첩되는지는 알 수 없지만 이는 특정 상황을 이해하지 못했기 때문입니다. 변수 (A)가 있고 변수 (B)에 중첩 된 경우 A [B]라는 용어를 모델에 추가합니다. 물론 이것은 상호 작용 효과를 추정 할 수 없게한다.
다시 : 추가 "필요한"매개 변수를 가진 반복 측정 혼합 선형 모델?안녕하세요 Statman,
먼저 망쳤습니다 : 중첩 관계 설명이 반전되었습니다. Patient_ID는 PLATE_ID에 중첩되어 있습니다.
둘째, 익명화 된 데이터 세트를 작성하여 JMP 커뮤니티가 전체 데이터 세트를 훨씬 더 잘 볼 수있게했습니다.
셋째, REML 성격과 함께 다음과 같은 적합 모델 구조를 사용하려고합니다.
- 팔
- 시점
- ARM * 시간 지점
- 환자 ID [ARM] 및 무작위
- 환자 ID * 시간 지점 [ARM] 및 임의
- 환자 ID [PLATE ID] 및 무작위
이 접근 방식이 PLATE_ID를 가능한 변동 원인으로 고려하면서 이러한 반복 측정 (DATA)에 대해 ARM과 TIME POINT의 차이를 탐색하는 데 적합합니까? 참고로, 데이터에 대한 빠른 시각적 조사는 DATA가 PLATE_ID, ARM 및 TIME POINT의 영향을 받는다는 것을 나타냅니다.
베스트,
TS
