Elizabeth Claassen , PhD, JMP, Estadística de investigación, Tester, SAS
Chris Gotwalt , PhD, JMP Director de Investigación y Desarrollo Estadístico, SAS
La incorporación de la función de Modelo Mixto de Fit Model (Fit Mixed) ha ampliado considerablemente la capacidad de JMP Pro para analizar datos longitudinales compuestos por mediciones repetidas realizadas a lo largo del tiempo. Quizás aún no se aprecie plenamente la utilidad de la plataforma en una amplia variedad de áreas temáticas, como las ciencias sociales, la fiabilidad de productos y la agricultura. La misma metodología subyacente de la plataforma puede utilizarse para modelar curvas individuales de crecimiento/degradación o para modelar unidades experimentales jerárquicas, como estudiantes dentro de escuelas o plantas individuales dentro de parcelas. Dado que los métodos para modelar los efectos a lo largo del tiempo se desarrollaron por separado en distintas disciplinas, puede haber grandes diferencias en la terminología para modelos que, en esencia, son los mismos. Por ejemplo, los modelos de coeficientes aleatorios, los modelos lineales jerárquicos (HLM) y los modelos bayesianos jerárquicos son esencialmente los mismos modelos, y todos pueden ajustarse mediante Fit Mixed en JMP Pro 11 y JMP Pro 12. En esta presentación, demostramos las capacidades de Fit Mixed para modelos de coeficientes aleatorios utilizando ejemplos de la industria farmacéutica y las ciencias sociales. Esto incluye realizar la “traducción” de SAS PROC MIXED para los usuarios de JMP acostumbrados a adaptar modelos mixtos en SAS.
