Ajustement des données de mesures répétées avec JMP® Pro 13 : Plus grand et meilleurDon McCormack, ingénieur d'habilitation technique, JMP
La caractérisation précise des modèles mixtes à mesures répétées dépend des hypothèses sur la corrélation des observations sur les périodes de mesure. Les périodes de temps adjacentes sont probablement plus similaires que les périodes de temps éloignées, mais comment cette similitude est-elle capturée ? La structure de corrélation d'un modèle à mesures répétées répond à cette question. Du point de vue de la mise en œuvre du modèle, plus il y a de structures disponibles, meilleures sont les chances de se rapprocher de l'apparence réelle des données. Avant JMP Pro 13, seules trois structures de covariance de mesures répétées basées sur le temps couramment utilisées étaient disponibles : non structurée, autorégressive (avec une période de 1) et résiduelle. Cela a rendu la caractérisation difficile, laissant un grand nombre de solutions potentielles indisponibles pour le modélisateur. JMP Pro 13 introduit sept nouvelles structures, élargissant considérablement les possibilités de modélisation. Cet exposé discutera de la modélisation de données de mesures répétées à l'aide de l'une des structures de covariance existantes, y compris celles traditionnellement réservées aux relations spatiales. Il fournira des exemples illustrant leurs relations les uns avec les autres, quand utiliser quelle structure et comment les comparer pour trouver le meilleur ajustement. Un bref aperçu des modèles mixtes à mesures répétées sera donné, ainsi que le code SAS correspondant aux exemples.
Objet : Ajustement des données de mesures répétées avec JMP® Pro 13 : Plus grand et meilleurMerci pour l'explication!
Objet : Ajustement des données de mesures répétées avec JMP® Pro 13 : Plus grand et meilleur1. Vous ne pouviez pas inclure le temps 0 à la fois comme covariable et observation du temps 0 pour l'exemple de jeu de données. Ils sont complètement corrélés (par le fait qu'ils sont les mêmes choses). Vous pouvez faire l'un ou l'autre, mais pas les deux. Si vous disposiez d'une mesure indépendante du VEMS de base, une covariable et un point de temps 0 pourraient être inclus dans le modèle. Dans ce cas, cependant, vous auriez deux ensembles de données différents.
2. Vous pourriez. Ajoutez-le au modèle en tant qu'interaction (par exemple, Baseline*Time Period)
Objet : Ajustement des données de mesures répétées avec JMP® Pro 13 : Plus grand et meilleurExcellente vue d'ensemble des modèles mixtes dans JMP Pro.Merci! J'ai deux questions:
1. Lorsque la ligne de base est utilisée comme covariable - pourquoi le point temporel 0 (ligne de base) est-il exclu du facteur fixe "période de temps" (1, 2, 3, 4, 5, 6, 7, 8 heures). Le temps 0 h pourrait-il être inclus dans le facteur fixe "période de temps" ou est-ce faux ?
2. La covariable doit-elle être testée pour les interactions avant d'être incluse dans le modèle ? Si oui, comment cela se fait-il ?
Objet : Ajustement des données de mesures répétées avec JMP® Pro 13 : Plus grand et meilleurExcellente présentation de l'analyse des mesures répétées dans JMP Pro
