ランダム係数モデル: JMP® Pro で縦断的および階層的なデータをモデル化する方法エリザベス・クラッセン、PhD、JMPリサーチ統計テスター、SAS
クリス・ゴットウォルト、PhD、JMP、SAS 統計研究開発ディレクター
モデルの適合 (混合適合) の混合モデル パーソナリティの追加により、時間の経過に伴って繰り返し測定された縦断的データを分析する JMP Pro の機能が大幅に拡張されました。このプラットフォームが、社会科学、製品の信頼性、農業など、さまざまな主題領域でどれほど役立つかは、まだ十分に理解されていないかもしれません。プラットフォームの同じ基礎となる方法論を使用して、個々の成長/劣化曲線をモデル化したり、学校内の生徒や区画内の個々の植物など、階層的に編成された実験単位をモデル化したりできます。時間の経過に伴う影響をモデル化する方法は、いくつかの異なる分野で別々に開発されたため、基本的に同じモデルであるにもかかわらず、用語に大きな違いがある場合があります。たとえば、ランダム係数モデル、階層線形モデル (HLM)、階層ベイズ モデルは基本的に同じモデルであり、JMP Pro 11 および JMP Pro 12 の混合適合を使用してすべて適合できます。このプレゼンテーションでは、製薬業界と社会科学の例を使用して、ランダム係数モデルに対する混合適合の機能を紹介します。これには、SAS で混合モデルを適合することに慣れている JMP ユーザー向けに、SAS PROC MIXED からの「変換」を行うことも含まれます。
