Don McCormack, ingénieur en habilitation technique, JMP
La caractérisation précise des modèles mixtes à mesures répétées repose sur des hypothèses concernant la corrélation des observations entre les périodes de mesure. Les périodes adjacentes sont probablement plus similaires que les périodes éloignées, mais comment cette similarité est-elle capturée ? La structure de corrélation d'un modèle à mesures répétées répond à cette question. Du point de vue de l'implémentation du modèle, plus il existe de structures, plus les chances d'approximer la réalité des données sont élevées. Avant JMP Pro 13, seules trois structures de covariance à mesures répétées temporelles couramment utilisées étaient disponibles : non structurée, autorégressive (avec une période de 1) et résiduelle. Cela compliquait la caractérisation, laissant un grand nombre de solutions potentielles inaccessibles au modélisateur. JMP Pro 13 introduit sept nouvelles structures, élargissant considérablement les possibilités de modélisation. Cette présentation abordera la modélisation de données à mesures répétées à l'aide de n'importe quelle structure de covariance existante, y compris celles traditionnellement réservées aux relations spatiales. Elle fournira des exemples illustrant leurs relations, quand utiliser quelle structure et comment les comparer pour trouver la meilleure adéquation. Un bref aperçu des modèles mixtes à mesures répétées sera présenté, ainsi que le code SAS correspondant à ces exemples.
