Adattamento dei dati di misure ripetute con JMP® Pro 13: più grande e miglioreDon McCormack, Ingegnere tecnico abilitato, JMP
La caratterizzazione accurata dei modelli misti di misure ripetute dipende da ipotesi sulla correlazione delle osservazioni tra i periodi di misurazione. È probabile che periodi di tempo adiacenti siano più simili di periodi di tempo lontani, ma come viene catturata questa somiglianza? La struttura di correlazione di un modello a misure ripetute risponde a questa domanda. Dal punto di vista dell'implementazione del modello, più strutture sono disponibili, maggiori sono le possibilità di approssimare il modo in cui i dati appaiono nella realtà. Prima di JMP Pro 13 erano disponibili solo tre strutture di covarianza per misure ripetute basate sul tempo comunemente utilizzate: non strutturata, autoregressiva (con un periodo di 1) e residua. Ciò ha reso difficile la caratterizzazione, lasciando un gran numero di potenziali soluzioni non disponibili per il modellatore. JMP Pro 13 introduce sette nuove strutture, ampliando notevolmente le opportunità di modellazione. Questo discorso discuterà la modellazione dei dati di misure ripetute utilizzando una qualsiasi delle strutture di covarianza esistenti, comprese quelle tradizionalmente riservate alle relazioni spaziali. Fornirà esempi che illustrano la loro relazione reciproca, quando utilizzare quale struttura e come confrontarli per trovare la soluzione migliore. Verrà fornita una breve panoramica dei modelli misti a misure ripetute, nonché il codice SAS corrispondente agli esempi.
Re: Adattamento dei dati di misure ripetute con JMP® Pro 13: Più grande e miglioreGrazie per la spiegazione!
Re: Adattamento dei dati di misure ripetute con JMP® Pro 13: Più grande e migliore1. Non è possibile includere l'ora 0 sia come covariata che come osservazione dell'ora 0 per il set di dati di esempio. Sono completamente correlati (per la virtù che sono le stesse cose). Puoi fare l'uno o l'altro, ma non entrambi. Se si dispone di una misura indipendente del FEV di base, è possibile includere nel modello sia una covariata che un punto temporale 0. In tal caso, tuttavia, avresti due diversi set di dati.
2. Potresti. Aggiungilo al modello come interazione (ad es. Baseline*Periodo di tempo)
Re: Adattamento dei dati di misure ripetute con JMP® Pro 13: Più grande e miglioreEccellente panoramica dei modelli misti in JMP Pro.Grazie! Ho due domande:
1. Quando la linea di base viene utilizzata come covariata, perché il punto temporale 0 (linea di base) è escluso dal "periodo di tempo" del fattore fisso (1, 2, 3, 4, 5, 6, 7, 8 ore). Il tempo 0 hr potrebbe essere incluso nel "periodo di tempo" del fattore fisso o è sbagliato?
2. La covariata dovrebbe essere testata per le interazioni prima dell'inclusione nel modello? Se sì, come si fa?
Re: Adattamento dei dati di misure ripetute con JMP® Pro 13: Più grande e miglioreOttima panoramica dell'analisi delle misure ripetute in JMP Pro
