Elisabetta Claassen , PhD, JMP Research Statistician Tester, SAS
Chris Gotwalt , PhD, JMP Direttore della ricerca statistica e dello sviluppo, SAS
L'aggiunta della personalità Mixed Model di Fit Model (Fit Mixed) ha notevolmente ampliato la capacità di JMP Pro di analizzare dati longitudinali costituiti da misurazioni ripetute effettuate nel tempo. Forse non è ancora pienamente apprezzata l'utilità della piattaforma in un'ampia varietà di aree tematiche, tra cui le scienze sociali, l'affidabilità dei prodotti e l'agricoltura. La stessa metodologia di base della piattaforma può essere utilizzata per modellare singole curve di crescita/degradazione o per modellare unità sperimentali organizzate in una gerarchia, come studenti all'interno di scuole o singole piante all'interno di appezzamenti. Poiché i metodi per la modellazione degli effetti nel tempo sono stati sviluppati separatamente in diverse discipline, possono esserci grandi differenze nella terminologia per modelli sostanzialmente identici. Ad esempio, i modelli a coefficienti casuali, i modelli lineari gerarchici (HLM) e i modelli Bayesiani gerarchici sono essenzialmente gli stessi modelli e possono essere tutti adattati utilizzando Fit Mixed in JMP Pro 11 e JMP Pro 12. In questa presentazione illustriamo le capacità di Fit Mixed per i modelli a coefficienti casuali utilizzando esempi tratti dal settore farmaceutico e dalle scienze sociali. Ciò include l'esecuzione della "traduzione" da SAS PROC MIXED per gli utenti JMP abituati ad adattare modelli misti in SAS.
