Hallo an alle,
Ich bin neu bei JMP und frage mich, ob es eine Möglichkeit gibt, Multigruppenanalysen durchzuführen, nachdem das Modell spezifiziert und identifiziert wurde. Unser Modell enthält viele latente Variablen.
Eine identische Umfrage wurde verwendet, um Daten von drei verschiedenen Panels für drei verschiedene Studienbedingungen zu sammeln. Wir möchten verstehen, ob es signifikante Unterschiede in Effektstärken, Pfadkoeffizienten und anderen Teststatistiken zwischen drei Gruppen für dasselbe Modell gibt.
Danke schön.
Hallo @McMaster ,
Ja, JMP kann dies tun. Da Sie die Struktur Ihrer Datentabelle nicht kennen, ist es schwierig, genauere Angaben zu machen, aber wenn Sie bereits wissen, was das Modell und alle versteckten Variablen sind, sollte es ziemlich einfach sein.
Wenn Ihre Vorhersageformel für die Antwort einfach ist, können Sie zusätzliche Vorhersagespalten erstellen und den Gruppenfaktor in der Spaltenformel austauschen. Wenn es mit vielen Begriffen ziemlich komplex ist, möchten Sie das Modell möglicherweise in der Modellanpassungsplattform erneut ausführen und einfach jedes Mal die Gruppen A, B und C austauschen, aber alle anderen Begriffe im Modell unverändert lassen. Sie erhalten dann drei verschiedene Antwortmodellanpassungen, mit denen Sie alle Ihre Vergleiche durchführen können.
Oder, und dies hängt von der Datenstruktur Ihrer Tabelle ab, Sie können die Gruppe (z. B. die Ebenen A, B, C) in der Rolle "Nach" Ihrer Fit Model-Plattform verwenden. Es wird dann das Modell Ihrer Wahl für jede der Gruppenebenen ausführen. Sehen Sie sich die Datei Diabetes.jmp an und verwenden Sie das kontinuierliche Y für die Antwort und dann das binäre oder ordinale Y als die By-Variable und wählen Sie Alter durch Glukose als Modelleffekte aus. Wenn Sie dieses Modell ausführen, erstellt es eine neue Modellanpassung für jede Ebene des binären oder ordinalen Y. Sie können dann eine Anpassung an Y nach X durchführen, mit der Gruppe (Ordinal Y) als X und der Vorhersageformel als Y und dann Führen Sie alle möglichen Tests durch, wie Sie es mit einer ANOVA tun könnten.
Hoffe das hilft,
DS
