Hola,
¿Es posible calcular pruebas personalizadas en el modelo de personalidad del modelo de ajuste mixto?
Sé que si solo tengo una intersección aleatoria, puedo usar el método estándar de personalidad por mínimos cuadrados y así obtener pruebas personalizadas. Pero supongamos que tengo o necesito una estructura de efectos aleatorios más compleja, pero aún quiero estimaciones de contrastes específicos de mi modelo, ¿hay alguna manera de obtenerlas en el Modelo Mixto?
He adjuntado un conjunto de datos de ejemplo con una respuesta (Y), tiempo, una variable de ID y dos variables de agrupación. En concreto, me interesa la pendiente media de un nivel dado de mi variable de agrupación, o la diferencia de pendientes medias para dos niveles cualesquiera de cualquiera de las variables de agrupación. ¿Es posible realizar esto en el modelo de personalidad mixto?
Soy consciente de la opción Comparaciones múltiples en el modelo mixto, pero eso solo me da el promedio de mínimos cuadrados; estoy interesado en estimaciones de pendiente para diferentes niveles de variables categóricas.
(Me doy cuenta de que la estructura de efecto aleatorio que he especificado en mi conjunto de datos de ejemplo está devolviendo una estimación negativa para la pendiente aleatoria, pero lo ignoro ya que solo estoy interesado en hacer pruebas personalizadas).
Gracias
Hola, soy Yusuke Ono, probador senior en JMP Japón.
En la plataforma de Modelo Mixto de JMP Pro 18 (versión actual) o versiones anteriores, no existe un comando para comparar pendientes de modelos de coeficientes aleatorios. En la plataforma de Modelo Mixto de JMP Pro 19 (próxima versión), contamos con un nuevo comando, "Comparar Pendientes" . De esta forma, se puede obtener la pendiente promedio de cada grupo y la diferencia de pendientes entre dos grupos (como "A" y "B", "A" y "C", etc.) en la plataforma de Modelo Mixto de JMP Pro 19.
Es complicado obtener una pendiente promedio en cada grupo y la diferencia de pendientes entre dos grupos en JMP18 o antes. Sin embargo, si no necesitamos calcular los grados de libertad de Kenward-Rogers, y si solo necesitamos obtener estimaciones puntuales y sus errores estándar (y usar la aproximación normal para calcular los valores p y los intervalos de confianza) en JMP18 o antes, es relativamente más sencillo (aunque sigue siendo complicado).
Puede obtener una matriz de covarianza para estimadores de parámetros de efectos fijos mediante Matrices de Covarianza y Correlación > Covarianza de Efectos Fijos . Tras mostrar la matriz de covarianza, puede calcular las estimaciones y los errores estándar de los contrastes mediante JSL (lenguaje de scripting JMP).
A continuación se muestra un ejemplo de sus datos.
Después de ajustar el modelo mixto, seleccione Matrices de covarianza y correlación > Efectos fijos de covarianza y ejecute el siguiente código, que calcula una pendiente promedio en cada grupo.
r = Current Report();
/* Point Estimates (in Effect-Coding) */
est = r[OutlineBox("Fixed Effects Parameter Estimates")][TabPageBox(2)][NumberColBox("Estimate")]<
<GET as="" matrix=""></GET>
<DIV>Puede obtener estas estimaciones de pendiente mediante el comando Comparación múltiple al menos por ejemplo.</DIV>
<DIV>Si calculamos la diferencia de LSMeans con "Grupo=A, Tiempo=1,Condición de la secuencia=Aquí" vs "Grupo=A, Tiempo=0,Condición de la secuencia=Aquí", es la pendiente promedio en el Grupo=A (porque no hay interacción de tres factores en este ejemplo).</DIV>
<DIV>
</DIV>
