nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

480850_de-DE

liliconcom

JMP > Statistische Methoden > Wie vergleiche ich mehrere Anteile?

Hallo JMP-Community,

Ich würde gerne wissen, welche statistische(n) Methode(n) in JMP am besten geeignet ist(en), um mehrere Proportionen zu testen? Ich kenne die Kontingenzanalyse „Fit Y by X“ zum Vergleich zweier Proportionen. Dennoch kann ich nicht herausfinden, ob es eine allgemeine Plattform zum Vergleich mehrerer Anteile über Bedingungen oder Zeitpunkte hinweg gibt.

Typisches Szenario (siehe beigefügte Scheindaten):

Ich überwache ein binäres Ergebnis (z. B. Reaktion/Nicht-Reaktion) über die Zeit und für mehrere Bedingungen (z. B. Behandlung, Ausgangsstatus und Geschlecht). Ich möchte die Auswirkungen der Bedingungen global und zu bestimmten Zeitpunkten vergleichen.

System: Windows 10

JMP-Version: 16.1

Alle Vorschläge wären willkommen.

Am besten,

Erweiterte statistische Modellierung

Datenexploration und -visualisierung

Windows

Betreff: JMP > Statistische Methoden > Wie vergleiche ich mehrere Anteile?

Hallo @ron_horne ,

Vielen Dank für die ausführliche Antwort. Der entscheidende Schritt, den ich verpasst hatte, war die Verwendung der Binomialverteilung im GLM-Modell.

Ich werde mir das Add-in ansehen.

Am besten,

Betreff: JMP > Statistische Methoden > Wie vergleiche ich mehrere Anteile?

Hallo @Thierry_S ,

Allein wenn ich mir die Spaltennamen ansehe und mir das Szenario dahinter vorstelle, glaube ich, dass ich eine Idee habe. Unter bestimmten Umständen kann es genau das sein, was Sie brauchen. Wenn ich das richtig verstehe, wiederholt sich die ID im Laufe der Zeit, die Zeit ist der „innere“ Effekt, während Geschlecht, ursprünglicher Status und Behandlung „zwischen“-Effekte sind.

Da es Zeit- und Basisstatus gibt, würde ich denken, dass ein gemischtes Modell für wiederholte Maßnahmen der richtige Weg ist.

Ich würde das lineare gemischte Modell hinzufügen: https://community.jmp.com/t5/JMP-Add-Ins/Generalized-Linear-Mixed-Model-Add-in/ta-p/284627

Sobald Sie es erhalten haben, können Sie damit die folgenden Rollen manuell eingeben:

Fit Model(
 Y( :OUTCOME ),
 Effects(
  :BASELINE STATUS, :TREATMENT, :GENDER, :TIME, :BASELINE STATUS * :TREATMENT,
  :BASELINE STATUS * :GENDER, :BASELINE STATUS * :TIME, :TREATMENT * :GENDER,
  :TREATMENT * :TIME, :GENDER * :TIME, :BASELINE STATUS * :TREATMENT * :GENDER,
  :BASELINE STATUS * :TREATMENT * :TIME, :BASELINE STATUS * :GENDER * :TIME,
  :TREATMENT * :GENDER * :TIME,
  :BASELINE STATUS * :TREATMENT * :GENDER * :TIME,
  :ID[:BASELINE STATUS, :TREATMENT, :GENDER] & Random
 ),
 Personality( "Generalized Linear Model" ),
 GLM Distribution( "Binomial" ),
 Link Function( "Logit" )
);

Das Problem mit der aktuellen Fit-Modellplattform (JMP Pro 16) besteht darin, dass sie dies nicht bietet, sodass Sie das Add-In verwenden müssen.

Wenn ich dieses vollständig faktorielle Modell mit wiederholten Messungen mit dem Add-In verwende, treten Singularitätsprobleme auf. Daher sollten möglicherweise einige Interaktionen entfernt werden, die keine Varianz aufweisen. Vielleicht lohnt es sich sogar, es zuerst ohne Interaktionen auszuführen.

Nebenbei bemerkt, dieses praktische Tool kann dabei helfen, die „Zwischen“-/„Innerhalb“-Effekte sehr schnell zu beseitigen: https://community.jmp.com/t5/JMP-Add-Ins/Full-Factorial-Repeated-Measures-ANOVA-Add-In/ta-p/23904