CIAO,
È possibile calcolare test personalizzati nel modello di personalità di adattamento del modello misto?
So che se ho solo un'intercetta casuale, posso usare la personalità standard dei minimi quadrati e ottenere test personalizzati in questo modo. Ma supponiamo che io abbia/necessiti di una struttura a effetti casuali più complessa ma desideri comunque stime di contrasti specifici del mio modello: c'è un modo per ottenerle in un modello misto?
Ho allegato un set di dati di esempio con una risposta (Y), tempo, variabile ID e 2 variabili di raggruppamento. In particolare, sono interessato alla pendenza media di un dato livello della mia variabile di raggruppamento, o alla differenza tra le pendenze medie per 2 livelli qualsiasi di ciascuna variabile di raggruppamento. È possibile farlo nella personalità del Modello Misto?
Conosco l'opzione Confronti multipli nel modello misto, ma mi porta solo ai minimi quadrati; sono interessato alle stime della pendenza per diversi livelli di variabili categoriali.
(Mi rendo conto che la struttura dell'effetto casuale che ho specificato nel mio set di dati di esempio restituisce una stima negativa per la pendenza casuale, ma ignoro questo aspetto perché sono interessato solo a eseguire test personalizzati.)
Grazie
Ciao, sono Yusuke Ono, Senior Tester presso JMP Giappone.
Nella piattaforma Mixed Model di JMP Pro 18 (la versione attuale) o precedente, non è presente alcun comando per confrontare le pendenze dei modelli a coefficienti casuali. Nella piattaforma Mixed Model di JMP Pro 19 (la versione successiva), è disponibile un nuovo comando, Confronta le pendenze . In questo modo, è possibile ottenere la pendenza media in ciascun gruppo e la differenza di pendenza tra due gruppi (ad esempio "A" e "B", "A" e "C" e così via) nella piattaforma Mixed Model di JMP Pro 19.
È complicato ottenere una pendenza media in ciascun gruppo e la differenza di pendenza tra due gruppi su JMP18 o precedenti. Ma se non abbiamo bisogno di calcolare il grado di libertà di Kenward-Rogers e se dobbiamo solo ottenere stime puntuali e i relativi errori standard (e utilizzare l'approssimazione normale per calcolare i valori p e gli intervalli di confidenza) su JMP18 o precedenti, è relativamente più semplice (anche se rimane comunque complicato).
È possibile ottenere una matrice di covarianza per gli stimatori dei parametri a effetto fisso tramite Matrici di covarianza e correlazione > Covarianza degli effetti fissi . Dopo aver visualizzato la matrice di covarianza, è possibile calcolare le stime e gli errori standard per i contrasti utilizzando JSL (JMP Scripting Language).
Di seguito è riportato un esempio per i tuoi dati.
Dopo aver adattato il modello misto, seleziona Matrici di covarianza e correlazione > Effetti fissi di covarianza ed esegui il codice seguente, che calcola una pendenza media in ciascun gruppo.
r = Current Report();
/* Point Estimates (in Effect-Coding) */
est = r[OutlineBox("Fixed Effects Parameter Estimates")][TabPageBox(2)][NumberColBox("Estimate")]<
<GET as="" matrix=""></GET>
<DIV>È possibile ottenere queste stime di pendenza tramite il comando Confronto multiplo, almeno ad esempio.</DIV>
<DIV>Se calcoliamo la differenza tra i LSMean con "Gruppo=A, Tempo=1, Condizione di Strage=Qui" e "Gruppo=A, Tempo=0, Condizione di Strage=Qui", otteniamo la pendenza media nel Gruppo=A (perché in questo esempio non c'è interazione a tre fattori).</DIV>
<DIV>
</DIV>
