Les modèles à effets mixtes sont utiles pour les données comportant plusieurs sources de variabilité aléatoire. Par exemple, lorsqu'un résultat est mesuré plus d'une fois sur la même personne, nous devons tenir compte à la fois de la variabilité intra-individuelle et interindividuelle.
Développeur JMP Elizabeth Claassen et co-auteur de JMP pour les modèles mixtes adopte une approche pratique pour donner un sens aux données. Lorsqu'elle a soutenu les étudiants du laboratoire de conseil statistique de l'Université du Nebraska-Lincoln, elle a frustré ceux qui cherchaient une solution de modèle mixte à une expérience conçue et qui voulaient juste une réponse rapide. "Pour déterminer l'exactitude d'un modèle mixte, vous devez d'abord expliquer la relation entre les facteurs et la réponse dans votre expérience", disait-elle. "Commençons par dessiner cela sur papier."
Au 2 décembre et 9 décembre , Elizabeth apporte cette approche pratique à ses didacticiels pour développeurs, où elle partagera son expertise sur les fonctionnalités de modèle mixte de JMP Pro qu'elle a aidé à développer et fournira des exemples de quand et pourquoi les techniques sont utiles. Elle va démystifier (ou peut-être confirmer) certaines rumeurs de modèles mixtes.
Rumeur 1 : Comment rendre compte des résultats d'un modèle linéaire mixte ? Ne vous laissez pas distraire par les valeurs p. Ils guident, et non dictent, la prise de décision .
Rumeur 2 : Comment rapportez-vous à quel point l'effet est variable entre les individus ? Regardez les estimations des effets aléatoires.
Rumeur 3 : Les composantes de variance négatives ne permettent pas d'interprétations de modèles mixtes.
Rumeur 4 : Les estimations des effets fixes sont-elles valables ? Oui, ils représentent les effets moyens les plus probables dans la population.
Rumeur 5 : Les modèles mixtes ne sont pas bons lorsque vous avez des données manquantes ou des tailles de groupe inégales.
Chris Gotwalt, JMP Chief Data Scientist, remercie également Elizabeth d'avoir mis en œuvre le Intervalles de confiance de Satterthwaite dans la plate-forme JMP Pro 16 Fit Mixed, ce qui facilite considérablement l'estimation par intervalle des combinaisons linéaires des composants de la variance pour les utilisateurs de JMP. Clairement une personne aux multiples talents, Elizabeth a révélé comment ses intérêts extérieurs sont liés à sa passion pour la programmation. Allez, tricoter, c'est comme coder ? Ah bon?
Voir les vidéos, y compris les discussions, du 2021 2 décembre et 9 décembre webinaires en direct..
