Benutzerdefinierte Tests für gemischte Persönlichkeitsmodelle?Hallo,
Können Sie im Mixed Model Personality of Fit-Modell benutzerdefinierte Tests berechnen?
Ich weiß, dass ich, wenn ich nur einen zufälligen Achsenabschnitt habe, die Standard-Kleinste-Quadrate-Methode verwenden und auf diese Weise benutzerdefinierte Tests erhalten kann. Aber nehmen wir an, ich habe/brauche eine komplexere Zufallseffektstruktur, möchte aber dennoch Schätzungen bestimmter Kontraste meines Modells. Gibt es eine Möglichkeit, diese im gemischten Modell zu erhalten?
Ich habe einen Beispieldatensatz mit einer Antwort (Y), einer Zeit, einer ID-Variablen und zwei Gruppierungsvariablen angehängt. Insbesondere interessiere ich mich für die durchschnittliche Steigung einer bestimmten Stufe meiner Gruppierungsvariablen oder für die Differenz der durchschnittlichen Steigungen für zwei beliebige Stufen einer der beiden Gruppierungsvariablen. Ist dies im gemischten Persönlichkeitsmodell möglich?
Ich kenne die Option „Mehrfachvergleiche“ im gemischten Modell, aber damit erhalte ich nur den Mittelwert der kleinsten Quadrate. Mich interessieren Steigungsschätzungen für verschiedene Ebenen kategorialer Variablen.
(Mir ist klar, dass die Zufallseffektstruktur, die ich in meinem Beispieldatensatz angegeben habe, eine negative Schätzung für die Zufallssteigung zurückgibt, aber ich ignoriere das, da ich nur an benutzerdefinierten Tests interessiert bin.)
Danke
Erweiterte statistische ModellierungBetreff: Benutzerdefinierte Tests in gemischten Modellpersönlichkeiten?Hallo, ich bin Yusuke Ono, Senior Tester bei JMP Japan.
Auf der Mixed-Model-Plattform in JMP Pro 18 (der aktuellen Version) oder früheren Versionen gibt es keinen Befehl zum Vergleichen der Steigungen von Zufallskoeffizientenmodellen. Auf der Mixed-Model-Plattform in JMP Pro 19 (der nächsten Version) gibt es den neuen Befehl „ Steigungen vergleichen “. Damit können Sie auf der Mixed-Model-Plattform von JMP Pro 19 die durchschnittliche Steigung in jeder Gruppe und die Differenz der Steigungen zwischen zwei Gruppen (wie „A“ und „B“, „A“ und „C“ usw.) ermitteln.
Es ist kompliziert, dass wir mit JMP18 oder früher eine durchschnittliche Steigung in jeder Gruppe und die Differenz der Steigungen zwischen zwei Gruppen erhalten. Wenn wir jedoch den Freiheitsgrad von Kenward-Rogers nicht berechnen müssen und mit JMP18 oder früher nur Punktschätzungen und deren Standardfehler benötigen (und die Normalapproximation zur Berechnung von p-Werten und Konfidenzintervallen verwenden müssen), ist es relativ einfacher (obwohl es immer noch kompliziert ist).
Sie erhalten eine Kovarianzmatrix für Schätzwerte von Parametern mit festen Effekten über Kovarianz- und Korrelationsmatrizen > Kovarianz von festen Effekten . Nach der Anzeige der Kovarianzmatrix können Sie die Schätzwerte und Standardfehler für Kontraste mithilfe von JSL (JMP Scripting Language) berechnen.
Nachfolgend sehen Sie ein Beispiel für Ihre Daten.
Nachdem Sie das gemischte Modell angepasst haben, wählen Sie Kovarianz- und Korrelationsmatrizen > Kovarianz-Fixeffekte und führen Sie den folgenden Code aus. Er berechnet eine durchschnittliche Steigung in jeder Gruppe.
r = Current Report();
/* Point Estimates (in Effect-Coding) */
est = r[OutlineBox("Fixed Effects Parameter Estimates")][TabPageBox(2)][NumberColBox("Estimate")]<
<GET as="" matrix=""></GET>
<DIV>Sie können diese Steigungsschätzungen zumindest beispielsweise mit dem Befehl „Mehrfachvergleich“ erhalten.</DIV>
<DIV>Wenn wir die Differenz der LSMeans mit „Gruppe=A, Zeit=1, Strage-Bedingung=Hier“ vs. „Gruppe=A, Zeit=0, Strage-Bedingung=Hier“ berechnen, ist dies die durchschnittliche Steigung in Gruppe=A (da in diesem Beispiel keine Drei-Faktor-Interaktion vorliegt).</DIV>
<DIV>
</DIV>
