이 가이드는 중첩 구조를 포함하는 혼합 모델(랜덤 효과 및 고정 효과)을 사용하여 반복 측정 데이터를 분석하는 방법을 설명합니다. 반복 측정 이란 동일한 피험자를 대상으로 여러 번 측정한 데이터를 의미하며, 이러한 측정은 종종 일정 기간에 걸쳐 이루어집니다.
이 예시에서는 두 종에서 무작위로 선택된 여섯 마리의 동물을 대상으로 실험을 진행했습니다. 각 동물의 이동 거리를 시간에 따라 측정했습니다. 이 데이터는 세로로 쌓인 형태(stwitched)이므로 혼합 모델 분석을 사용했습니다.
반복 측정 분석: 혼합 모형
- 열려 있는 JMP ® 데이터 테이블에서 분석 > 모델 적합을 선택합니다.
- 응답을 추가하세요: [열 선택] 에서 연속 변수(연속 변수는 파란색 삼각형으로 표시됨)를 선택하고 [Y] 를 클릭하세요.
- 모델 효과 추가: 변수를 선택하고 [ 모델 효과 구성 ] 아래의 [추가] 를 클릭합니다. 상호작용 항을 지정하려면 여러 열을 선택한 다음 [교차]를 클릭합니다.
- 중첩 구조를 지정합니다. 여기서는 주제가 종 안에 중첩되어 있습니다. 구성 모델 효과 에서 ' 주제 '를 선택하고, 열 선택 에서 ' 종 '을 선택한 다음, 중첩을 클릭합니다. (주제 ID가 고유한 값인 경우 이 단계를 건너뛰세요.)
- 랜덤 효과를 지정합니다. 모델 효과를 선택한 다음, 속성 옆에 있는 빨간색 삼각형 에서 랜덤을 선택합니다. 여기서는 "주체[종]"을 랜덤 효과로 지정합니다.
- 기본 설정( 무한 분산 구성요소를 사용하는 렘 방법 선택)을 그대로 두고 실행을 클릭합니다. 기본적으로 JMP는 효과 요약, 적합도 요약, REML 분산 구성요소 추정치 , 고정 효과 검정 등의 표를 표시합니다. 추가 옵션은 상단 의 메뉴에서 확인할 수 있습니다.
Example: Animals.jmp (Help > Sample Data Folder)예시: Animals.jmp (도움말 > 샘플 데이터 폴더)
해석:
1. 분산 성분 추정치: 무작위 효과에 대한 추정 분산과 잔차 오차를 보여줍니다. 이 예에서 개체 간 변동은 0.76로 추정되며, 이는 전체 변동의 38%에 해당합니다.
2. 고정 효과 검정: 분모에 적절한 분산 성분 추정치를 오차항으로 사용하여 고정 효과에 대한 F 검정 결과를 보여줍니다. 여기서는 종과 계절 모두 유의미한 것으로 나타났지만, 상호작용은 유의미하지 않았습니다.
MANOVA 플랫폼을 사용하여 반복 측정 데이터를 분석하는 방법을 알아보려면 반복 측정 분석(ANOVA) 가이드를 참조하십시오.
자세한 내용을 알아보려면 JMP 도움말 에서 선형 모델 적합 > 혼합 모델을 참조하십시오.
