Elizabeth Claassen , PhD, JMP-Forschungsstatistik-Testerin, SAS
Chris Gotwalt , PhD, JMP, Direktor für statistische Forschung und Entwicklung, SAS
Die Erweiterung um die Mixed-Model-Funktion „Fit Model“ (Fit Mixed) erweitert die Möglichkeiten von JMP Pro zur Analyse von Längsschnittdaten, die aus wiederholten Messungen über einen bestimmten Zeitraum bestehen, erheblich. Der Nutzen der Plattform in einer Vielzahl von Fachgebieten, darunter Sozialwissenschaften, Produktzuverlässigkeit und Landwirtschaft, ist möglicherweise noch nicht vollständig erkannt. Dieselbe zugrunde liegende Methodik der Plattform kann zur Modellierung individueller Wachstums-/Degradationskurven oder zur Modellierung hierarchisch organisierter Versuchseinheiten verwendet werden, wie z. B. Schüler in Schulen oder einzelne Pflanzen in Parzellen. Da die Methoden zur Modellierung von Effekten im Zeitverlauf in verschiedenen Disziplinen unabhängig voneinander entwickelt wurden, kann es große Unterschiede in der Terminologie für im Grunde dieselben Modelle geben. Beispielsweise sind Zufallskoeffizientenmodelle, hierarchische lineare Modelle (HLMs) und hierarchische Bayes-Modelle im Wesentlichen dieselben Modelle und können alle mit „Fit Mixed“ in JMP Pro 11 und JMP Pro 12 angepasst werden. In dieser Präsentation demonstrieren wir die Möglichkeiten von „Fit Mixed“ für Zufallskoeffizientenmodelle anhand von Beispielen aus der Pharmaindustrie und den Sozialwissenschaften. Dazu gehört die „Übersetzung“ von SAS PROC MIXED für JMP-Benutzer, die an die Anpassung gemischter Modelle in SAS gewöhnt sind.
