Don McCormack, Technical Enablement Engineer, JMP
Die genaue Charakterisierung von gemischten Modellen mit Messwiederholungen hängt von Annahmen über die Korrelation von Beobachtungen über Messperioden hinweg ab. Benachbarte Zeiträume ähneln sich wahrscheinlich stärker als weit auseinanderliegende. Doch wie wird diese Ähnlichkeit erfasst? Die Korrelationsstruktur eines Modells mit Messwiederholungen beantwortet diese Frage. Je mehr Strukturen verfügbar sind, desto besser ist die Wahrscheinlichkeit, die tatsächliche Darstellung der Daten aus Sicht der Modellimplementierung abzubilden. Vor JMP Pro 13 standen nur drei gängige zeitbasierte Kovarianzstrukturen für Messwiederholungen zur Verfügung: unstrukturiert, autoregressiv (mit einer Periode von 1) und residual. Dies erschwerte die Charakterisierung, da dem Modellierer eine Vielzahl potenzieller Lösungen nicht zur Verfügung standen. JMP Pro 13 führt sieben neue Strukturen ein und erweitert so die Modellierungsmöglichkeiten erheblich. In diesem Vortrag wird die Modellierung von Daten mit Messwiederholungen unter Verwendung aller vorhandenen Kovarianzstrukturen, einschließlich derjenigen, die traditionell für räumliche Beziehungen reserviert sind, erläutert. Anhand von Beispielen werden die Beziehungen zueinander, der Einsatz welcher Struktur und der Vergleich der Strukturen zur Ermittlung der besten Anpassung veranschaulicht. Es wird ein kurzer Überblick über gemischte Modelle mit Messwiederholungen sowie der zugehörige SAS-Code gegeben.
