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 de la variabilité à la fois au sein d’une personne et entre les personnes.
Elizabeth Claassen, développeur JMP et co-auteur de JMP for Mixed Models, 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 recherchaient une solution de modèle mixte pour 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."
Les 2 et 9 décembre, Elizabeth apporte cette approche pratique à ses didacticiels de développeur, où elle partagera son expertise sur les fonctionnalités de modèles mixtes de JMP Pro qu'elle a contribué à développer et fournira des exemples de quand et pourquoi ces techniques sont utiles. Elle démystifiera (ou confirmera peut-être) certaines rumeurs de modèles mixtes.
Rumeur 1 : Comment rapporter les résultats d’un modèle mixte linéaire ? Ne vous laissez pas distraire par les valeurs p. Ils guident, et non dictent, la prise de décision .
Rumeur 2 : Comment indiquez-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 à effets fixes sont-elles utiles ? Oui, ils représentent les effets moyens les plus probables sur la population.
Rumeur n°5 : Les modèles mixtes ne conviennent pas lorsque vous disposez de données manquantes ou de tailles de groupe inégales.
Chris Gotwalt, responsable des données chez JMP, remercie également Elizabeth d'avoir implémenté les intervalles de confiance de Satterthwaite dans la plateforme JMP Pro 16 Fit Mixed, facilitant ainsi l'estimation des intervalles de combinaisons linéaires de composants de variance pour les utilisateurs de JMP. Clairement une personne aux multiples talents, Elizabeth a révélé à quel point ses intérêts extérieurs sont liés à sa passion pour la programmation. Allez, tricoter, c'est comme coder ? Vraiment?
Regardez les vidéos, y compris les discussions, des webinaires en direct des 2 et 9 décembre 2021.
