Bonjour la communauté JMP,
J'aimerais savoir quelle(s) méthode(s) statistique(s) dans JMP sont les plus appropriées pour tester plusieurs proportions ? Je connais l'analyse de contingence Fit Y by X pour comparer deux proportions. Pourtant, je n’arrive pas à comprendre s’il existe une plate-forme généralisée pour comparer plusieurs proportions selon des conditions ou des points dans le temps.
Scénario typique (voir les données fictives ci-jointes) :
Je surveille un résultat binaire (par exemple, réponse/non-réponse) dans le temps et pour plusieurs conditions (par exemple, traitement, état de base et sexe). Je souhaite comparer l'effet des conditions à l'échelle mondiale et à des moments précis.
Système : Windows 10
Version JMP : 16.1
Toutes les suggestions seraient les bienvenues.
Meilleur,
TS
Salut @ron_horne ,
Merci pour la réponse détaillée. L'étape critique que j'avais manquée consistait à utiliser la distribution binomiale dans le modèle GLM.
Je vais examiner le complément.
Meilleur,
TS
Salut @Thierry_S ,
juste en regardant les noms des colonnes et en imaginant le scénario derrière eux, je pense avoir une idée. cela peut être exactement ce dont vous avez besoin dans certaines circonstances. Si je comprends bien, l'identification se répète au fil du temps, le temps est l'effet "intérieur" tandis que le sexe, le statut d'origine et le traitement sont des effets "entre".
Puisqu'il y a du temps et un état de référence, je pense qu'un modèle mixte pour les mesures répétées est la voie à suivre.
j'obtiendrais le modèle mixte linéaire ajouté : https://community.jmp.com/t5/JMP-Add-Ins/Generalized-Linear-Mixed-Model-Add-in/ta-p/284627
Une fois que vous l'avez obtenu, vous pouvez l'utiliser pour saisir manuellement les rôles suivants :
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" )
);
Le problème avec la plate-forme de modèle d'ajustement actuelle (jmp pro 16) est qu'elle ne le propose pas, vous devez donc utiliser le complément.
Lors de l'exécution avec le complément, ce modèle factoriel complet de mesures répétées, j'obtiens des problèmes de singularité, donc peut-être que certaines interactions qui n'ont aucune variance devraient être supprimées. cela vaut peut-être même la peine de l'exécuter en premier sans interactions.
en remarque, cet outil astucieux peut aider à trier très rapidement les effets « entre » / « à l'intérieur » : https://community.jmp.com/t5/JMP-Add-Ins/Full-Factorial-Repeated-Measures-ANOVA-Add-In/ta-p/23904
faites-nous savoir si tout cela est utile,
Ron
