Modelle mit gemischten Effekten sind nützlich für Daten mit mehr als einer Quelle zufälliger Variabilität. Wenn wir beispielsweise ein Ergebnis mehr als einmal an derselben Person messen lassen, müssen wir sowohl die Variabilität innerhalb als auch zwischen Personen berücksichtigen.
Die JMP-Entwicklerin Elizabeth Claassen und Co-Autorin von JMP for Mixed Models verfolgt einen praktischen Ansatz, um Daten zu verstehen. Als sie Studenten am Statistical Consulting Lab der University of Nebraska-Lincoln unterstützte, frustrierte sie diejenigen, die eine gemischte Modelllösung für ein geplantes Experiment suchten und einfach nur eine schnelle Antwort wollten. „Um die Richtigkeit eines gemischten Modells zu bestimmen, müssen Sie zunächst die Beziehung zwischen den Faktoren und der Reaktion in Ihrem Experiment erklären“, würde sie sagen. „Beginnen wir damit, das auf Papier zu skizzieren.“
Am 2. und 9. Dezember bringt Elizabeth diesen praktischen Ansatz in ihre Entwickler-Tutorials ein, in denen sie ihr Fachwissen über die von ihr mitentwickelten JMP Pro-Mischmodellfunktionen teilt und Beispiele dafür liefert, wann und warum die Techniken nützlich sind. Sie wird einige Gerüchte über gemischte Models entlarven (oder vielleicht bestätigen).
Gerücht 1: Wie berichten Sie über die Ergebnisse eines linearen gemischten Modells? Lassen Sie sich nicht von p-Werten ablenken. Sie leiten die Entscheidungsfindung, nicht diktieren sie .
Gerücht 2: Wie berichten Sie, wie unterschiedlich die Wirkung zwischen einzelnen Personen ist? Schauen Sie sich die Schätzungen der zufälligen Effekte an.
Gerücht 3: Negative Varianzkomponenten erlauben keine gemischte Modellinterpretation.
Gerücht 4: Sind die Fixed-Effects-Schätzungen wertvoll? Ja, sie repräsentieren die bestmöglichen durchschnittlichen Effekte in der Bevölkerung.
Gerücht 5: Gemischte Modelle nützen nichts, wenn Daten fehlen oder die Gruppengröße ungleich ist.
Chris Gotwalt, Chief Data Scientist bei JMP, würdigt Elizabeth auch für die Implementierung der Satterthwaite-Konfidenzintervalle in der JMP Pro 16 Fit Mixed-Plattform, wodurch die Intervallschätzung linearer Kombinationen von Varianzkomponenten für JMP-Benutzer erheblich einfacher wird. Elizabeth ist eindeutig eine vielseitig begabte Person und verriet, wie ihre externen Interessen mit ihrer Leidenschaft für das Programmieren zusammenhängen. Komm schon, Stricken ist wie Programmieren? Wirklich?
Sehen Sie sich die Videos, einschließlich Diskussionen, von den Live-Webinaren vom 2. und 9. Dezember 2021 an.
