Don McCormack, ingeniero de habilitación técnica, JMP
La caracterización precisa de modelos mixtos de medidas repetidas depende de supuestos sobre la correlación de las observaciones entre periodos de medición. Es probable que los periodos adyacentes sean más similares que los distantes, pero ¿cómo se captura dicha similitud? La estructura de correlación de un modelo de medidas repetidas responde a esta pregunta. Desde la perspectiva de la implementación del modelo, cuantas más estructuras estén disponibles, mayor será la probabilidad de aproximarse a la apariencia real de los datos. Antes de JMP Pro 13, solo existían tres estructuras de covarianza de medidas repetidas basadas en el tiempo de uso común: no estructurada, autorregresiva (con un periodo de 1) y residual. Esto dificultaba la caracterización, dejando un gran número de posibles soluciones sin acceso al modelador. JMP Pro 13 introduce siete nuevas estructuras, ampliando considerablemente las posibilidades de modelado. Esta charla abordará el modelado de datos de medidas repetidas utilizando cualquiera de las estructuras de covarianza existentes, incluyendo aquellas tradicionalmente reservadas para relaciones espaciales. Se proporcionarán ejemplos que ilustran su relación entre sí, cuándo usar cada estructura y cómo compararlas para encontrar el ajuste óptimo. Se dará una breve descripción de los modelos mixtos de medidas repetidas, así como el código SAS correspondiente a los ejemplos.
