Unterstützung bei der Verwendung der Mixed-Model-AnalyseHallo,
Ich hätte gerne Hilfe/Kommentare zur Durchführung einer gemischten Modellanalyse in JMP, da diese für meine Daten am besten geeignet zu sein scheint.
Ich möchte gruppeninterne Unterschiede in den Testergebnissen vor und nach dem Schlafengehen zwischen zwei Gruppen (Patienten und gesunde Kontrollpersonen) vergleichen.
Die Schritte, die ich ausgeführt habe, sind wie folgt:
-Testergebnisse (sowohl vor als auch nachher) unter Rollenvariablen (J) hinzugefügt
– Die Gruppenvariable wurde unter „Feste Effekte“ hinzugefügt (0 und 1 für Kontrollen bzw. Patientengruppe).
- Die individuelle ID wurde unter Zufallseffekt hinzugefügt.
Ist das obige richtig? Und welche Kovarianzstruktur ist am besten geeignet? Die Verwendung dieser Modellierung ist für mich neu, daher würde ich mich über jede Hilfe freuen.
Grundlegende Datenanalyse und ModellierungBetreff: Unterstützung bei der Verwendung der Mixed-Model-AnalyseHallo @OddsMouse312534 ,
Willkommen in der Community!
Wenn ich Ihr Thema gut genug verstehe, möchten Sie wissen, ob die Behandlungsgruppe von einem höheren/besseren Post-Sleep-Testergebnis profitiert als die Kontrollgruppe, unter Berücksichtigung der Pre-Sleep-Testergebnisse (die bei Einzelpersonen und Gruppen unterschiedlich sein können). . Ohne Hinweise darauf, wie die Daten gesammelt wurden (die als Grundlage für die entsprechende Modellierung dienen würden), ist es sehr schwierig, eine Lösung zu finden.
Es gibt möglicherweise mehrere Möglichkeiten, Ihre Daten zu analysieren. Hier sind einige Ideen, einige Optionen sind möglicherweise für Ihr Thema irrelevant, sodass Sie basierend auf Ihrem Fachwissen und der Art und Weise der Datenerfassung (zufällig/DoE?) auswählen können, welche(s) Ihnen am besten geeignet erscheint:
- Sie können den Unterschied zwischen Ihren Testergebnissen nach und vor dem Schlafengehen analysieren, sodass der Anfangswert (Vorergebnis) keinen Einfluss auf die Ergebnisse hat. Sie analysieren lediglich den Unterschied im Schlafergebnis je nach Gruppe, zu der die Personen gehören.
- Möglicherweise besteht auch die Möglichkeit, den Schlafwert vor dem Schlafengehen als zufälligen Effekt, die Gruppenvariable als festen Effekt und den Wert nach dem Schlafengehen als Antwort Y zu verwenden. Auf diese Weise berücksichtigen Sie die Variabilität des Schlafwerts vor dem Schlafengehen Es interessiert Sie, wie das endgültige Ergebnis des Post-Schlaf-Tests je nach Gruppe (Kontrolle vs. Behandlung) unterschiedlich ausfallen kann.
Wenn es sowohl in der Kontroll- als auch in der Behandlungsgruppe keine Personen gibt, sehe ich keinen Sinn darin, ID als Zufallseffekt zu verwenden (da Option 2 möglicherweise bereits die Variabilität des Vorschlaftestergebnisses zwischen einzelnen Personen berücksichtigt). Option 1 erfordert möglicherweise keine zufälligen Effekte, da nur die Variation zwischen den Bewertungen analysiert wird (so dass der zufällige Einfluss der Individuen möglicherweise bereits bei der Differenz der Bewertungen berücksichtigt wird).
Sie können die von JMP bereitgestellten Datensätze auch im Abschnitt „Gemischte Modelle“ überprüfen (gehen Sie zu „Hilfe“, dann „Beispielindex“ und suchen Sie nach dem Abschnitt „Gemischte Modelle“). Abhängig davon, wie viele Informationen Sie über die einzelnen Personen haben, gibt es einige Datensätze, die Ihnen dabei helfen können, herauszufinden, wie Sie mit den Variablen umgehen: Cholesterol Stacked.jmp zum Beispiel für den Umgang mit Zeit, Patienten und Gruppen, mit einer Verschachtelung von Behandlungen in Patient als Zufallseffekt. Growth Measurement.jmp ist ein gutes Beispiel für den Umgang mit Patienten unterschiedlichen Alters (wiederholte Struktur).
Dies sind einige schnelle Vorschläge und Ideen, um die Diskussion zu beginnen. Wenn Sie mehr Kontext zur Datengenerierung, zum Ziel der Studie, zur Anzahl der Teilnehmer usw. und möglicherweise einen kurzen anonymisierten Datensatz bereitstellen können, wäre das hilfreich.
Ich bin sicher, dass sich andere Mitglieder der Community mit weiteren Informationen an der Diskussion beteiligen werden.
Ich hoffe, dieser erste Diskussionsstarter kann Ihnen helfen,
Betreff: Unterstützung bei der Verwendung der Mixed-Model-AnalyseHallo Victor,
Vielen Dank für Ihre Antwort. Wenn ich das näher erläutern darf:
Die Studie umfasst eine Patientengruppe mit einer bestimmten Störung, die mit einer Gruppe gesunder Kontrollpersonen verglichen wird. Der Zweck der Studie besteht darin, die Auswirkung des Schlafs auf die Ergebnisse eines kognitiven Tests zu bewerten, wobei der Test zu zwei Zeitpunkten durchgeführt wird: zu Beginn (vor dem Schlafen) und am Morgen danach (nach dem Schlafen). Es gibt keine spezifische Intervention, der Zweck besteht darin, zu bewerten, ob es einen „zwischen den Gruppen“-Unterschied in der Veränderung der Ergebnisse gibt, um die Auswirkungen des Schlafs auf die Testergebnisse zu messen und festzustellen, ob es einen signifikanten Unterschied zwischen den Gruppen gibt. Die Gesamtgruppengröße beträgt 48 für Patienten und 45 für die Kontrollgruppe. Ich habe die Mittelwerte des Deltas (Differenz zwischen den Werten vor und nach dem Schlafen) zwischen den Gruppen mit einem unabhängigen T-Test verglichen, aber ich behaupte, dass dies nicht ausreicht, um das Gesamtbild zu erfassen. Aus diesem Grund habe ich mir ein gemischtes Modell angesehen: Da einzelne Patienten und Kontrollen gemessen wurden, wollte ich ID als Zufallseffekt verwenden.
Betreff: Unterstützung bei der Verwendung der Mixed-Model-AnalyseHallo @OddsMouse312534 ,
Möglicherweise finden Sie diesen JMP-Hinweis zum Vergleich der verschiedenen verfügbaren Modellierungsoptionen interessant: Analysieren wiederholter Messungen in der JMP®-Software – JMP-Benutzergemeinschaft
Ich denke, Sie haben möglicherweise eine sehr ähnliche Datenstruktur wie die in der Datentabelle „Cholesterol Stacked.jmp“ (verfügbar im Beispielindex oder in einer Kopie dieser Nachricht). Dieser Abschnitt der JMP-Hilfe kann Ihnen daher dabei helfen, Ihre Datentabelle zu strukturieren und die entsprechende Modellierung auszuführen: Beispiel für wiederholte Messungen
Ich habe zu Ihrem Beispiel einen einfachen Spielzeugdatensatz mit der möglichen gemischten Analyse erstellt, falls Sie sich einen konkreteren und ähnlichen Anwendungsfall ansehen möchten: Test_MixedModel.jmp
Auch hier ist die Wahl des am besten geeigneten Modells eine Frage der „besten Anpassung“, aber auch der Art und Weise, wie die Daten strukturiert und erfasst wurden. In gemischten Modellen sind verschiedene Strukturen wiederholter Messungen möglich und sollten auf der Grundlage der statistischen Ergebnisse und der Art und Weise, wie die Studie durchgeführt wurde, bewertet werden.
Ich hoffe, diese Antwort hilft Ihnen weiter.
Betreff: Unterstützung bei der Verwendung der Mixed-Model-AnalyseWenn ich hinzufügen darf: Ich habe mich gefragt, ob in dieser Situation eine gemischte ANOVA zwischen den einzelnen Werten anwendbar wäre. Das Problem ist, dass ich nicht weiß, wie ich die Zeitpunkte in das Modell in JMP einbeziehen kann (für den wiederholten Effekt), d. h. wie ich dies in die Datenbank einbeziehen kann. Alles, was ich im Moment in der Datenbank habe, ist die ID des Teilnehmers, die Bedingung (0 für Kontrolle, 1 für Patient) und das Vorher- und Nachher-Testergebnis.
