Salut,
Êtes-vous en mesure de calculer des tests personnalisés dans le modèle de personnalité mixte du modèle d'ajustement ?
Je sais que si je dispose simplement d'une interception aléatoire, je peux utiliser la méthode standard des moindres carrés de personnalité et obtenir ainsi des tests personnalisés. Mais supposons que j'aie besoin d'une structure à effets aléatoires plus complexe, mais que je souhaite tout de même obtenir des estimations de contrastes spécifiques de mon modèle. Existe-t-il un moyen de les obtenir dans un modèle mixte ?
J'ai joint un exemple de jeu de données comprenant une réponse (Y), un temps, une variable d'identification et deux variables de regroupement. Plus précisément, je m'intéresse à la pente moyenne d'un niveau donné de ma variable de regroupement, ou à la différence des pentes moyennes pour deux niveaux quelconques de l'une ou l'autre de ces variables. Est-ce possible avec le modèle de personnalité mixte ?
Je connais l'option Comparaisons multiples dans le modèle mixte, mais cela ne me donne que les moindres carrés, je suis intéressé par les estimations de pente pour différents niveaux de variables catégorielles.
(Je me rends compte que la structure à effet aléatoire que j'ai spécifiée dans mon exemple d'ensemble de données renvoie une estimation négative pour la pente aléatoire, mais je l'ignore car je suis simplement intéressé par la réalisation de tests personnalisés.)
Merci
Bonjour, je suis Yusuke Ono, testeur senior chez JMP Japon.
Sur la plateforme Modèle mixte de JMP Pro 18 (version actuelle) et antérieure, il n'existe aucune commande permettant de comparer les pentes des modèles à coefficients aléatoires. Sur la plateforme Modèle mixte de JMP Pro 19 (version suivante), une nouvelle commande, Comparer les pentes , est disponible. Vous pouvez ainsi obtenir la pente moyenne de chaque groupe et la différence de pente entre deux groupes (par exemple, « A » et « B », « A » et « C », etc.) dans la plateforme Modèle mixte de JMP Pro 19.
Il est compliqué d'obtenir une pente moyenne pour chaque groupe et la différence de pente entre deux groupes sur JMP18 ou avant. Mais si nous n'avons pas besoin de calculer le degré de liberté de Kenward-Rogers, et si nous avons seulement besoin d'obtenir des estimations ponctuelles et leurs erreurs types (et d'utiliser l'approximation normale pour calculer les valeurs de p et les intervalles de confiance) sur JMP18 ou avant, c'est relativement plus simple (bien que cela reste compliqué).
Vous pouvez obtenir une matrice de covariance pour les estimateurs des paramètres à effets fixes via Matrices de covariance et de corrélation > Covariance des effets fixes . Après avoir affiché la matrice de covariance, vous pouvez calculer les estimations et les erreurs types pour les contrastes en utilisant JSL (langage de script JMP).
Voici un exemple pour vos données.
Après avoir ajusté le modèle mixte, sélectionnez Matrices de covariance et de corrélation > Effets fixes de covariance et exécutez le code suivant, il calcule une pente moyenne dans chaque groupe.
r = Current Report();
/* Point Estimates (in Effect-Coding) */
est = r[OutlineBox("Fixed Effects Parameter Estimates")][TabPageBox(2)][NumberColBox("Estimate")]<
<GET as="" matrix=""></GET>
<DIV>Vous pouvez obtenir ces estimations de pente par la commande Comparaison multiple au moins par exemple.</DIV>
<DIV>Si nous calculons la différence de LSMeans avec « Groupe = A, Temps = 1, Condition d'échantillonnage = Ici » par rapport à « Groupe = A, Temps = 0, Condition d'échantillonnage = Ici », il s'agit de la pente moyenne dans le groupe = A (car il n'y a pas d'interaction à trois facteurs dans cet exemple).</DIV>
<DIV>
</DIV>
