在重複測量方面需要幫助你好，
客戶有以下情況：
多個產品（X_1，V_1_0至V_1_19）將分別用5個培養皿（X_3、1至5）進行4次測試（X_14-X_17，例如0、12、48，... h），以進行測試。 他們想知道幾個因素，其中哪些因素以及它們如何影響結果（X_4-X_7）。
如何最好地建立這種模式？ 使用MANOVA還是使用具有隨機效果的LS？ 在堆疊因素並將其添加到模型中時，存在奇點問題。
請首先堅持使用JMP功能。
我也考慮過FDE，但我認為只有很少的數據能在我眼中得到一個好的模型。
回复：在重複測量方面需要幫助嗨，馬丁，
我對數據有點困惑（可能是由於匿名化過程）。我會備份一個步驟，並確保客戶對他們正在嘗試做的事情有一個明確的陳述。當我試圖理解數據時，我想到了一些不同的問題......
1. 每個產品應該一起考慮還是單獨考慮？
2. 感興趣的結果是什麼？ 是每個時間點的測量值還是增長率或增長達到某個點的時間，或百分比變化（以進行跨產品比較）？
3. 看起來 X14 = 時間點 1 的響應，X15 = 時間點 2 的響應，等等（這與您對數據的堆疊使用相匹配）。 你能用時間值替換嗎？
4. X4 - X7 看起來是每個產品的特定級別 - 放在標準化的範圍內？？
5. 我相信您正在嘗試了解 X4 - X7 對響應的影響，如所附屏幕截圖所示...
6. 在您執行第 3 步和第 4 步後，FDE 可能會起作用嗎？
回复：在重複測量方面需要幫助你好@karencopeland ,
我試著回答這些問題。
1. 每個產品應該一起考慮還是單獨考慮？
產品 (X_1) 按產品類型 (X_2) 分類
2. 感興趣的結果是什麼？ 是每個時間點的測量值還是增長率或增長達到某個點的時間，或百分比變化（以進行跨產品比較）？
我會再次檢查這個，但我知道她想知道每個產品是否需要 X4-X7 因子，以及它們如何影響培養結果。 理想的行為在前 3 個時間點是平坦的，直到最後一個時間點應該是高的。 如果一切都是平坦的，那就行不通了。
3. 看起來 X14 = 時間點 1 的響應，X15 = 時間點 2 的響應，等等（這與您對數據的堆疊使用相匹配）。 你能用時間值替換嗎？
0, 4, 24, 168 分鐘
4. X4 - X7 看起來是每個產品的特定級別 - 放在標準化的範圍內？？
您可以想像一個實驗，其中一種產品具有 X_4-X_7 的一種設置，並且將在 5 個培養皿中並行測試，每個培養皿在 4 個時間點測量。 下一個產品具有另一個不同的 X_4-X_7 設置，並再次在 5 個培養皿中進行測試並測量了 4 次。
也就是說，這 5 道菜用於查看一種設置發生的變化。 產品由 4 個因素處理，重要的是什麼對結果影響最大，以及每種產品有何不同。例如，如果 X_4 的高設置會對產品 A 產生積極影響，對產品 B 也是如此，還是不應該在那裡使用
5. 我相信您正在嘗試了解 X4 - X7 對響應的影響，如所附屏幕截圖所示...
是的，但我的自由度太少，無法檢查這一點
6. 在您執行第 3 步和第 4 步後，FDE 是否會起作用？
我認為模型不夠準確，最多只能設置 2 節。 （見附件 StackedForFDE）。 我簡要地檢查了標準化，但我看不到這裡模型的好處。
回复：在重複測量方面需要幫助在 MANOVA 與混合模型方面，我遵循統計方法來分析重複測量 (CS Davis, 2002, Springer)，他指出 MANOVA 相對於混合模型而言動力不足。 就個人而言，我發現 MANOVA 更難解釋，更喜歡線性建模方法。 也就是說，您將受到 JMP 中協方差結構的限制，只有復合對稱可用。 JMP Pro 具有一組用於重複測量的標準協方差結構，但數量不如 SAS。 幾年前我寫了一篇關於這個主題的發現論文。 順便說一句，戴維斯的書中有一章關於增長曲線建模。
FDE？ 我認為這將是一個可行的選擇，但如果人們詢問統計差異，您可能會遇到問題。 此外，根據行業的不同，可能會使用標準模型，因為參數具有特定的解釋。
這是來自受監管的行業嗎？ 如果是這樣，則可能存在用於對數據建模的標準操作程序。
回复：在重複測量方面需要幫助在更仔細地查看數據和評論之後，我認為您在嘗試擬合這些數據時會遇到問題。 響應似乎是非常離散的百分比值，通過將它們按順序考慮可能更適合。 如果您確實將它們視為連續的，則需要使用非高斯混合模型（Beta？）。 水平對於產品是唯一的，因此您只能擬合因子或產品水平，但不能同時擬合兩者。
回复：在重複測量方面需要幫助我看了資料。 正如您為假設 CS 結構的重複測量指定的隨機效應模型，實際上可以通過去除四個固定效應 X4-X7 來擬合。每個主題 ID X__3[X__1] 的這些固定效應完全沒有可變性，這在 JMP 奇點報告中顯示。
回复：在重複測量方面需要幫助這是在理解數據之前嘗試建模的情況。 似乎每個產品都是 X4 - X7 的獨特組合，有些產品有效（即，它們在時間結束前達到 100 個單位），而有些則無效。 那麼問題來了，我們能否找出 X4 -X7 的哪些組合是“好”的，哪些是“壞的”。我不認為這適合乾淨的模型......
