Bonjour à tous,
Je suis nouveau sur JMP et je me demande s'il est possible de faire une analyse multigroupe après avoir spécifié et identifié le modèle. Notre modèle comprend de nombreuses variables latentes.
Une enquête identique a été utilisée pour collecter les données de trois panels différents pour trois conditions d'étude différentes. Nous aimerions comprendre s'il existe des différences significatives dans les tailles d'effet, les coefficients de chemin et d'autres statistiques de test entre trois groupes pour le même modèle.
Merci.
salut @McMaster ,
Oui, JMP peut le faire. Ne sachant pas quelle est la structure de votre table de données, il est difficile de fournir plus de détails, mais si vous connaissez déjà le modèle et toutes les variables cachées, cela devrait être assez simple.
Si votre formule de prédiction pour la réponse est simple, vous pouvez créer des colonnes de prédiction supplémentaires et échanger le facteur de groupe dans la formule de la colonne. S'il est plutôt complexe avec de nombreux termes, vous souhaiterez peut-être réexécuter le modèle dans la plate-forme Fit Model et simplement échanger les groupes A, B et C à chaque fois, mais en gardant tous les autres termes du modèle identiques. Vous obtiendrez alors trois ajustements de modèles de réponse différents avec lesquels vous pourrez effectuer toutes vos comparaisons.
Ou, et cela dépendra de la structure des données de votre table, vous pouvez utiliser le Groupe (niveaux A, B, C par exemple) dans le rôle « Par » de votre plateforme Fit Model. Il exécutera ensuite le modèle de votre choix pour chacun des niveaux de Groupe. Jetez un œil au fichier Diabetes.jmp et utilisez le Y continu pour la réponse, puis le Y binaire ou ordinal comme variable By et sélectionnez Age à Glucose comme effets du modèle. Lorsque vous exécutez ce modèle, il crée un nouvel ajustement de modèle pour chaque niveau du binaire ou de l'ordinal Y. Vous pouvez ensuite effectuer un ajustement Y par X, avec le groupe (ordinal Y) comme X et la formule de prédiction comme Y, puis faire toutes sortes de tests comme vous pourriez le faire avec une ANOVA.
J'espère que cela t'aides,
DS
