Questa presentazione tecnica è stata tenuta da Elizabeth Claassen, sviluppatrice statistica di JMP e coautrice di "JMP for Mixed Models ". I dati utilizzati nel libro sono stati impiegati nella presentazione e sono disponibili per il download e l'utilizzo. Il video ha una durata di oltre 90 minuti e include sessioni di domande e risposte.
I modelli misti rappresentano uno dei metodi più efficaci per gestire osservazioni correlate negli esperimenti progettati. Sono spesso noti con altri nomi, tra cui modelli a blocchi, modelli a componenti di varianza, disegni a parcelle annidate e suddivise, modelli lineari gerarchici, modelli multilivello, Bayes empirico, misure ripetute, modelli a struttura di covarianza e modelli a coefficienti casuali.
Andando ben oltre i modelli lineari standard, i modelli misti consentono di trarre inferenze accurate e precise dai dati e di acquisire una comprensione più approfondita delle fonti di segnale e rumore nel sistema in esame. Gli effetti fissi e casuali ben definiti si generalizzano bene e aiutano a prendere le migliori decisioni basate sui dati.
- Scopri le motivazioni e le tecniche alla base delle funzionalità di JMP per i modelli misti, impara quando e come utilizzarli, scopri come riconoscere, impostare e interpretare gli effetti fissi e casuali e scopri come estendere l'analisi della varianza (ANOVA) e la regressione lineare a numerosi modelli misti.
- Scopri come comprendere e utilizzare i gradi di libertà: analizza i disegni sperimentali a blocchi randomizzati, a parcelle suddivise e i modelli a coefficienti casuali; e affronta i dilemmi moderni relativi ai metodi bayesiani e ai valori p.
- Definizioni
- Gli effetti fissi sono fattori/livelli esatti e si desidera trarre inferenze per un'osservazione futura a partire esattamente da quei livelli.
- Gli effetti casuali si verificano quando i livelli sono un campione estratto da una popolazione più ampia e si desidera trarre inferenze sull'intera popolazione e non solo su quei livelli specifici, e/o quando si è principalmente interessati a spiegare la variabilità derivante da tale effetto piuttosto che, ad esempio, a effettuare confronti a coppie.
- I modelli misti incorporano effetti casuali e fissi.
- I modelli misti sono utili per gestire gli effetti casuali e, con un modello misto, potremmo ottenere risultati diversi per le stime degli intervalli di confidenza e per i confronti a coppie rispetto a un modello con soli effetti fissi.
- I valori LSMean non sono necessariamente le medie aritmetiche. I dati mancanti/sbilanciati richiedono REML per una migliore stima dei valori LSMean.
- In presenza di dati mancanti/squilibri, anche i confronti a coppie per gli altri effetti fissi sono influenzati dalla scelta di modellare un effetto come casuale.
- Non affidarti solo al valore p: ricorda che p=0,049 e p=0,050 sono sostanzialmente la stessa cosa.
La sezione Domande e risposte è inclusa in tutto il testo. Alcune delle domande che sono emerse sono state:
- Cosa implica il valore p di Wald nella tabella ANOVA dei dati di Bond? La statistica del test di Wald viene utilizzata per calcolare il valore p (a differenza, ad esempio, della statistica F). Mostriamo la statistica del test di Wald ma in genere non la usiamo per valutare il
- Per questo esempio di blocco. Non stai descrivendo una situazione annidata? Questo comportamento si verificherebbe nei modelli annidati, ma questo non è un esempio annidato poiché il trattamento non è esclusivo del blocco.
-
Potresti fare un esempio di un disegno a blocchi così "gravemente" incompleto? Dove si manifesta nella pratica? Questo potrebbe accadere quando si verifica un'elevata percentuale di mancanze in un blocco a causa di perdite o di un'elaborazione che genera valori mancanti. Ad esempio, quando si utilizzano diverse tipologie di apparecchiature di elaborazione e qualcosa va storto causando valori mancanti per una di esse, in presenza di squilibri, oppure in studi su persone in cui si campionano gruppi diversi con livelli di perdita differenti per alcuni e per altri. Un altro esempio è un test del gusto in cui alcune persone assaggiano determinati alimenti e altre ne assaggiano altri.
Learn how to determine Fixed and Random blocks/effectsImpara a determinare blocchi/effetti fissi e casualiImpara a determinare blocchi/effetti fissi e casuali
Risorse:
