JMP® Pro 13 を使用した反復測定データのフィッティング: より大きく、より優れたDon McCormack 氏、テクニカル イネーブルメント エンジニア、JMP
反復測定混合モデルの正確な特徴付けは、測定期間全体の観測値の相関に関する仮定に依存します。 隣接する期間は、遠い期間よりも類似している可能性が高いですが、その類似性はどのように捉えられるのでしょうか? 反復測定モデルの相関構造がその質問に答えます。 モデルの実装の観点からは、使用可能な構造が多いほど、データが実際にどのように見えるかを近似する可能性が高くなります。 JMP Pro 13 より前は、一般的に使用されている時間ベースの反復測定共分散構造は、非構造化、自己回帰 (周期 1)、および残差の 3 つだけでした。 これによりキャラクタライゼーションが困難になり、モデラーが利用できない多数の潜在的なソリューションが残されました。 JMP Pro 13 では 7 つの新しい構造が導入され、モデリングの可能性が大幅に広がりました。 この講演では、空間関係のために伝統的に予約されているものを含む、既存の共分散構造のいずれかを使用した反復測定データのモデル化について説明します。 相互の関係、いつどの構造を使用するか、それらを比較して最適なものを見つける方法を示す例を提供します。 反復測定混合モデルの簡単な概要と、例に対応する SAS コードを示します。
Re: JMP® Pro 13 を使用した反復測定データのフィッティング: より大きく、より良いご説明ありがとうございます！
Re: JMP® Pro 13 を使用した反復測定データのフィッティング: より大きく、より良い1. サンプル データセットの共変量と時間 0 観測の両方として時間 0 を含めることはできませんでした。 それらは完全に相関しています（それらが同じものであるという美徳によって）。 どちらか一方を行うことができますが、両方を行うことはできません。 ベースライン FEV の独立した測定値があれば、共変量と時間 0 ポイントの両方をモデルに含めることができます。 ただし、その場合、2 つの異なるデータ セットが存在することになります。
2. できます。 インタラクションとしてモデルに追加します (例: ベースライン*期間)
Re: JMP® Pro 13 を使用した反復測定データのフィッティング: より大きく、より良いJMP Pro の混合モデルの優れた概要。ありがとうございました！ 2 つの質問があります。
1. ベースラインが共変量として使用される場合 - 時点 0 (ベースライン) が固定因子の「期間」 (1、2、3、4、5、6、7、8 時間) から除外されるのはなぜですか。 時間 0 時間が固定要素の「期間」に含まれる可能性がありますか、それとも間違っていますか?
2. モデルに含める前に、相互作用について共変量をテストする必要がありますか? はいの場合、これはどのように行われますか?
Re: JMP® Pro 13 を使用した反復測定データのフィッティング: より大きく、より良いJMP Pro での反復測定分析の優れた概要
