Comment construire un modèle ANOVA à mesures répétées ?Bonjour, j'ai des problèmes avec les analyses statistiques. Mon ensemble de données comprend des données sur les anticorps à plusieurs moments et j'étudie comment les différences génétiques affectent leur réponse au vaccin. J'ai construit un modèle mixte d'analyse de la variance à mesures répétées avec une covariance non structurée et il incluait le temps, l'âge, le sexe, le vaccin d'amorçage, 8 polymorphismes et le croisement de ces 8 polymorphismes avec le temps, l'âge, le sexe et le vaccin d'amorçage. J'ai rencontré un problème lors de comparaisons multiples post-hoc où "Toutes les comparaisons par paires moyenne-moyenne du nuage de points ne peuvent pas être affichées car les intervalles de confiance ne peuvent pas être calculés". Quelqu'un a suggéré que les degrés de liberté étaient épuisés. Je me demandais si quelqu'un savait comment résoudre ce problème ou si je devais changer mon modèle ? Merci !
Analyse et modélisation de données de baseÉtudes de marché et de consommationExploration et visualisation des donnéesRe : Comment créer un modèle ANOVA à mesures répétées ?Accueillir!Il devrait être facile pour vous de vérifier s'il ne vous reste plus de df pour erreur ("épuisé" votre df).Comptez simplement les df totaux de votre modèle, et si ce df total = N-1 (N = taille totale de l'échantillon), alors vous n'avez en effet plus de df pour erreur. Si tel est le cas, votre modèle devra être réduit d'une manière ou d'une autre ; quelle direction? C'est une question qui nécessiterait une discussion plus approfondie.Cela dit, vous avez peut-être trop spécifié votre modèle (par exemple, trop d'interactions). Mais, comme je le suggère, il faudra une discussion plus approfondie pour démêler cela.
Re : Comment créer un modèle ANOVA à mesures répétées ?Des méthodes de correction de comparaisons multiples, telles que la méthode Bonferroni, la méthode Holm ou la méthode Benjamini-Hochberg, peuvent être utilisées pour résoudre ce problème. Ces méthodes réduisent la probabilité de faux positifs en appliquant une correction du niveau de signification à chaque test. Si vous avez déjà utilisé l'une de ces méthodes et que vous rencontrez toujours un problème, il est possible que le problème soit lié à l'épuisement des degrés de liberté. Dans ce cas, vous devrez peut-être modifier votre modèle et utiliser un modèle plus simple avec moins de variables.
