Wenn jemand etwas über die geschätzten Werte nach der Anpassung des Modells und den Inhalt der Effekttests weiß, wäre ich dankbar, wenn Sie es mir mitteilen könnten.
Ich habe mit der Verwendung von JMP begonnen, um mithilfe von ANVOVA die quantitativen Werte gesunder und kranker Probanden für jeden Atlas anhand eines bestimmten quantitativen Index zu vergleichen.
Der Wert eines Atlas für ein Subjekt konnte damals nicht gemessen werden und wurde als fehlender Wert behandelt.
Als ich jedoch nach der Anpassung des Modells die geschätzte Gleichung ausschrieb, wurden die fehlenden Werte als geschätzte Werte wiedergegeben. Ich möchte die fehlenden Werte vom Test ausschließen, wenn ich den Effekt teste.
Behandeln Sie sie als fehlende Werte, indem Sie eine Verarbeitung durchführen? Oder berechnen Sie lediglich eine Schätzung und behandeln sie als fehlende Werte?
Wenn es jemand weiß, lassen Sie es mich bitte wissen.
Hallo @pe1 ,
Das in der Spalte erstellte Modell berechnet immer für jede Zeile, unabhängig davon, ob in anderen Spalten andere Werte fehlen. Sie können die Zeilen mit diesen fehlenden Werten jedoch jederzeit ausblenden und ausschließen. Klicken Sie einfach auf die leere Zelle in der ursprünglichen Spalte, klicken Sie mit der rechten Maustaste und wählen Sie „Übereinstimmende Zellen auswählen“. Gehen Sie dann zu Zeilen > Ausblenden und ausschließen.
Danke!
Ben
Ich kenne mich mit medizinischer Analytik nicht aus und verstehe daher Ihre Frage nicht. Ist ANVOVA „ANCOVA“ (Kovarianzanalyse)? Welches Modell verwenden Sie konkret und welche der Zielvariablen (Antwortvariable, Y-Variable, abhängige Variable) und erklärenden Variablen (Prädiktorvariable, X-Variable, Faktor) weisen fehlende Werte auf? Bedeutet dies, dass Sie eine ANCOVA mit dem „parametrischen Wert“ als Antwortvariable durchführen, einschließlich „Atlas“, „gesunder Gruppe/Krankheitsgruppe“ und anderen Kovariaten?
■ Beim Anpassen eines linearen Regressionsmodells, z. B. eines Kovarianzanalysemodells (ANCOVA-Modell), mithilfe der Funktion „Modell anpassen“ werden Datenzeilen mit fehlenden Werten in der Antwortvariablen nicht zur Berechnung der Parameterschätzungen (Regressionskoeffizienten, Gewichte, Parameterschätzungen) verwendet. Selbst wenn die Antwortvariable fehlende Werte aufweist, können Sie dennoch die vorhergesagten Werte für die Antwortvariable berechnen.
■Beim Anpassen eines linearen Regressionsmodells, beispielsweise eines Kovarianzanalysemodells (ANCOVA-Modell), mithilfe von „Modell anpassen“, unterscheidet sich das Verhalten von Datenzeilen mit fehlenden Werten in den erklärenden Variablen je nach der Option „Fehlende Werte als Kategorien behandeln“.
- Wenn die Option „Fehlende Werte als kategorisch behandeln“ deaktiviert ist, wird jede Datenzeile mit auch nur einem fehlenden Wert in einer der erklärenden Variablen von der Berechnung ausgeschlossen. In diesem Fall wird die Zeile mit dem fehlenden Wert nicht zur Berechnung der Parameterschätzungen verwendet, und der prognostizierte Wert für die Antwortvariable fehlt ebenfalls.
- Wenn die Option „Fehlende Werte als kategorisch behandeln“ aktiviert ist, werden fehlende Werte in den erklärenden Variablen als eine einzige Kategorie behandelt und in der Analyse verwendet. In diesem Fall werden Zeilen mit fehlenden Werten verwendet, um Parameterschätzungen und vorhergesagte Werte für die Antwortvariable zu berechnen.
Die Option „Fehlende Werte als kategorisch behandeln“ kann mithilfe der verfügbaren Optionen ein- oder ausgeschaltet werden, indem Sie auf das rote Dreieck „Modellspezifikation“ in der oberen linken Ecke des Startdialogfelds „Modell anpassen“ klicken.
