Paires appariées vs. Analyse longitudinale vs. ??MJ'ai un ensemble de données de 100 étudiants qui ont suivi un programme de formation spécialisé et dont je mesure les compétences (de 0 à 100). Elles sont mesurées à plusieurs moments dans le temps et de différentes manières (test A, B, C, D, E, F). Pour chaque étudiant, il y a l'évaluation initiale, l'évaluation 2 mois plus tard et l'évaluation finale 3 mois plus tard. Je veux déterminer s'il y a une amélioration significative, mais je ne sais pas quels tests statistiques effectuer. Je veux comparer le mois 3 au mois 1 ainsi que les mois 1, 2 et 3.
Par exemple, je pourrais utiliser des paires appariées et comparer le mois 3 au mois 1 pour voir s'il y a une différence significative entre les 100 étudiants. Je pourrais également calculer le mois 3 - mois 1 et voir si cela est significativement différent de 0. J'ai également quelques facteurs catégoriques dont j'aimerais voir s'ils ont un impact sur les gains de compétence.
Actuellement, les données sont une ligne par élève et des colonnes pour les variables/facteurs (catégories et test d'efficacité pour le test initial, 2 mois plus tard et 3 mois et ceci est répété pour chacun des 6 tests (A à F). Existe-t-il un moyen simple de terminer l'analyse sans exécuter les paires appariées individuellement ? J'ai entendu parler de l'analyse longitudinale et je pense que cela pourrait aider à voir si les performances changent au fil du temps du mois 1 au mois 2 puis au mois 3.
JMP PRO 18
Modélisation statistique avancéeAnalyse et modélisation de données de baseExploration et visualisation des donnéesmacOSRé: Paires appariées vs. Analyse longitudinale vs. ??MBonjour @Clarknj : Le test t apparié est un cas particulier de modèle mixte. Il est équivalent à un modèle mixte avec l'étudiant comme effet aléatoire et le facteur d'intérêt comme effet fixe. C'est-à-dire, empilez vos données de 1, 2 et 3 mois dans une colonne et ayez le mois comme effet fixe (avec vos autres facteurs catégoriels, si nécessaire) et l'étudiant comme effet aléatoire dans la plateforme du modèle mixte. Ce genre de chose a été discuté ici :
https://community.jmp.com/t5/Discussions/Paired-t-test-on-long-format-table/mp/740466#M92189 (cela vaut la peine de lire l'intégralité du fil).
La plateforme modèle mixte vous permettra de réaliser toutes les comparaisons qui vous intéressent.
Ré: Paires appariées vs. Analyse longitudinale vs. ??MMerci pour le lien et l'explication. Est-ce la même chose que l'analyse longitudinale où l'accent est mis sur les effets au fil du temps ? L'effet fixe serait le temps et obtiendrait ensuite une réponse sur cette période et serait en mesure de déterminer si des segments de la période sont plus significatifs que d'autres ?
Ré: Paires appariées vs. Analyse longitudinale vs. ??MBonjour @Clarknj . Vous êtes maintenant à la pointe d'un très gros iceberg !
Réponse courte ? Oui, vous pouvez effectuer une analyse longitudinale (mesures répétées) de cette manière. L'un des éléments clés sera votre choix de structure de covariance. Consultez ce qui suit pour commencer.
https://community.jmp.com/t5/JMP-Knowledge-Base/Analyzing-Repeated-Measures-in-JMP-Software/ta-p/575343
Vous entrez en territoire avancé ; ce qui suit peut vous aider.
https://support.sas.com/resources/papers/proceedings/proceedings/sugi30/198-30.pdf
https://faculty.washington.edu/heagerty/Courses/VA-longitudinal/private/Littell-StatMed2000.pdf
Si vous êtes bloqué, revenez ; mais sachez que les complexités et nuances potentielles de votre problème peuvent conduire à plus que ce qu'une communauté en ligne (comme la nôtre) peut fournir…
