Hola comunidad,
Tengo una pregunta sobre cómo manejar una situación de modelaje. Tengo un conjunto de datos longitudinales como el de la siguiente tabla:
Tengo algunos factores (X, M y N) que se evalúan cada vez en diferentes pasos de un proceso (paso 1, paso 2 y paso 3). Mido una respuesta Y y luego la idea es identificar qué factor (y a partir de qué paso) tiene más influencia en el resultado Y. Para aclarar las cosas (si es necesario), la situación se puede esquematizar de la siguiente manera:
Esta situación (datos longitudinales) me parece un caso de "modelos mixtos", pero realmente no sé cómo traducir este caso a JMP (no tengo mucha experiencia con modelos mixtos).
Estaba pensando que mi modelo podría ser algo como:
Y = Xpaso1 + Xpaso2 + Xpaso3 + Xpaso1*Xpaso2 + Xpaso1*Xpaso3 + ....
Estoy agregando las interacciones entre diferentes pasos del proceso porque recientemente vi una presentación en la que al hacer esto también se puede considerar el impacto del historial del proceso. Qué opinas ? ¿Cuál es la forma correcta de modelar la situación según mi objetivo (identificar qué factor y desde qué paso influye más en mi respuesta Y)?
Además, como segunda pregunta: Según he visto, en los modelos mixtos tienes efectos fijos y aleatorios, pero no veo muy clara esa parte en el modelo que propongo arriba.
Gracias por cualquier ayuda.
Julian
Pude ver cómo se podría utilizar un modelo mixto o un modelo de ecuaciones estructurales para abordar el problema tal como lo ha planteado; sin embargo, estructurar los datos en 9 columnas para cada ejecución es un poco más común.
paso 1-x
paso1-m
paso1-n
paso 2-x
paso2-m
paso 2-n... etc.
Luego incluya sus variables Y como columnas separadas.
En Analizar/Ajustar modelo, para agregar efectos, busque el botón macro y use "Factorial a grado" para obtener los efectos principales y las interacciones bidireccionales, o cambie Grado a 3 para obtener también interacciones tridireccionales.
Gracias @Byron_JMP por tu respuesta.
