Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und RaumDiese technische Präsentation enthält Beispiele, die in vorgestellt werden JMP für gemischte Modelle.Daten aus dem in der Präsentation verwendeten Buch sind enthalten. Das Video ist über 90 Minuten lang und enthält durchgehend Fragen. Für dieses Tutorial und Beispiele für Regression, Zufallskoeffizienten und mehrstufige Modelle ist JMP Pro erforderlich. Teil 3 ist für Anfang 2022 geplant und wird sich mit der Bewertung von Leistung und Präzision für gemischte Modelle befassen.
Gemischte Modelle sind nützlich, wenn Sie dies getan haben mehrere Prädiktoren, zum Beispiel eine faktorielle Behandlung mit oder ohne Interaktionen, wenn c Abweichung in der Antwort über dem Prädiktor und wenn mehrere Probanden gemessen werden.
Erfahren Sie, wie Sie:
- Analysieren Sie wiederholte Messungen und Längsschnittdaten in einem Beispiel einer pharmazeutischen Stabilitätsstudie
Beheben Sie die mangelnde Unabhängigkeit von Beobachtungen, die im Laufe der Zeit zum gleichen Thema gemacht wurden
Bewerten Sie die Kovarianz und Korrelation zwischen Zeitpunkten, um die Kandidatenstruktur auszuwählen
- Vergleichen Sie Quelle und Freiheitsgrade für Experimentdesign, Behandlungsdesign und Skelett-ANOVA
- Verstehen Sie die Statistiken (Modell) hinter der Skelett-ANOVA
- Erstellen Sie das Modell und beziehen Sie Interaktionen ein
- Verstehen und bewerten Sie zusammengesetzte Symmetrie, autoregressive Korrelationsmatrix, Toeplitz- und anteabhängige Korrelationsmatrizen
- Modellkorrelationen im Raum (Spatial Models)
- Verstehen Sie die Terminologie eines räumlichen Modells anhand eines Beispiels für gefährlichen Abfall
Variogramm – grafische Darstellung der Semivarianz mit zunehmender Distanz
Nugget – „Sprung“ in der Semivarianz bei kleinen Abständen
Schwelle – Plateau der Semivarianz
Reichweite – Entfernung zur Schwelle
Ressourcen
Erweiterte statistische ModellierungBetreff: Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und RaumIch füge deinen Namen hinzu ( Mike @H2OSUP ), um die Anfrage zu verfolgen, damit wir den Bedarf für die Funktion zeigen und die Ressourcen für die Umsetzung zuweisen können. Ich kann nichts versprechen, aber ich hoffe, dass wir bald daran arbeiten können.
Betreff: Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und RaumDanke Elisabeth @eclaassen . Ich versuche, einen spezifischen Vergleich zu erhalten, der eine Kontrastaussage erfordern würde.
Betreff: Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und RaumIn der Menüoption „Mehrere Vergleiche“ im roten Dreieck können Sie entweder alle LSMeans und paarweise Vergleiche (mit verschiedenen Anpassungen wie ANOM, Dunnett (für Vergleiche mit einer Kontrolle), Tukey) abrufen oder es gibt eine Option für benutzerdefinierte Schätzungen. Der vom Benutzer angegebene Wert ist immer noch paarweise, Sie können jedoch einschränken, nach welchen Vergleichen Sie suchen. Es besteht ein offener Wunsch nach mehr „Freiform“-Kontrasten, etwa für Interaktionen oder den Durchschnitt dieser beiden gegeneinander.
Betreff: Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und RaumDanke, Elizabeth @eclaassen . Ich konnte es zum Laufen bringen. Gibt es eine Möglichkeit, einen LSMeans-Kontrast in der Mixed-Model-Plattform anzugeben?
Betreff: Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und RaumHallo Mike @H2OSUP . Ich freue mich, dass Sie die Präsentationen positiv fanden.
Es ist möglich, sowohl eine Split-Plot-Struktur als auch eine räumliche Korrelationsstruktur anzupassen. Abhängig von der Größe des Datensatzes und der räumlichen Struktur, die Sie verwenden, können Konvergenzprobleme auftreten, wie sie häufig bei der Kombination der beiden Modelltypen auftreten. In der PROC MIXED-Dokumentation für SAS gibt es ein Beispiel, das im Wesentlichen dies tut.Beispiel 81.6 Liniensprinklerbewässerung Für alle, die dies lesen und mit der SAS-Syntax nicht vertraut sind: Die „Konvertierung“ in JMP sieht folgendermaßen aus: Klassenanweisungsvariablen würden in der JMP-Datentabelle als Nominalspalten bezeichnet, die Modellanweisung ist die Fixed-Effect-Struktur (in diesem Fall a faktoriell bis Grad 2), die Zufallsaussage sind die zufälligen Effekte (Registerkarte „Zufällig“ in der gemischten Persönlichkeit in JMP) und die wiederholte Aussage die räumliche Strukturbezeichnung (Registerkarte „Wiederholung“ in der gemischten Persönlichkeit).
Betreff: Entwickler-Tutorial: Gemischte Modelle Teil 2: Umgang mit wiederholten Messungen in Zeit und Raum@eclaassen Vielen Dank für die Präsentation gemischter Modelle. Ich habe viel von Ihren Vorträgen mitgenommen. Ich wollte wissen, wie Sie mit einem Datensatz umgehen, den ich analysiere. Ich habe 9 Produkte, die meine Behandlungsvariable sein werden. Aus jedem Produkt wurden sechs Teile gefertigt und bis zu 2500 Stunden lang bewittert. Während der Bewitterung werden einzelne Teile für Tests nach 500, 800, 1100, 1400 und 2500 Stunden entfernt. Ein Teil wird auch bei 0 Stunden getestet. Ich habe vor, die Stunden als kategorialen Faktor zu analysieren. Ich bin der Meinung, dass die Stunden als Split-Plot-Struktur und nicht als wiederholte Messungen behandelt werden sollten, da derselbe Teil nicht während der gesamten Bewitterungszeit getestet wurde. An jedem Teil werden drei Messungen an unterschiedlichen Positionen (A, B, C) durchgeführt. Ich denke, die Positionen könnten als räumliche Struktur behandelt werden. Ist ein gemischtes Modell mit einer Kombination aus Split-Plot und räumlichen Strukturen möglich? Danke, Mike Morrow
