23646_de-DE

liliconcom

Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und hierarchische Daten in JMP® Pro<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Elisabeth Klaasen , PhD, JMP Research Statistician Tester, SAS

Chris Gottwalt , PhD, JMP Direktor für statistische Forschung und Entwicklung, SAS

Die Hinzufügung der Mixed-Model-Persönlichkeit von Fit Model (Fit Mixed) hat die Fähigkeit von JMP Pro zur Analyse von Längsschnittdaten, die aus wiederholten Messungen bestehen, erheblich erweitert. Es wird vielleicht noch nicht ganz erkannt, wie nützlich die Plattform in einer Vielzahl von Fachgebieten ist, darunter Sozialwissenschaften, Produktzuverlässigkeit und Landwirtschaft. Die gleiche zugrunde liegende Methodik der Plattform kann verwendet werden, um individuelle Wachstums-/Abbaukurven zu modellieren oder experimentelle Einheiten zu modellieren, die in einer Hierarchie organisiert sind, wie z. B. Schüler innerhalb von Schulen oder einzelne Pflanzen innerhalb von Parzellen. Da die Methoden zur Modellierung von Wirkungen im Laufe der Zeit in verschiedenen Disziplinen separat entwickelt wurden, können große Unterschiede in der Terminologie für die im Grunde gleichen Modelle bestehen. Zufallskoeffizientenmodelle, hierarchische lineare Modelle (HLMs) und hierarchische Bayes-Modelle sind beispielsweise im Wesentlichen dieselben Modelle, und alle können mit Fit Mixed in JMP Pro 11 und JMP Pro 12 angepasst werden. In dieser Präsentation demonstrieren wir die Möglichkeiten von Fit Mixed für Zufallskoeffizientenmodelle anhand von Beispielen aus der pharmazeutischen Industrie und den Sozialwissenschaften. Dazu gehört auch die Erstellung der „Übersetzung“ von SAS PROC MIXED für JMP-Benutzer, die daran gewöhnt sind, gemischte Modelle in SAS anzupassen.

VorhersagemodellierungBetreff: Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und hierarchische Daten in JMP® Pro<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Vielen Dank, dass Sie die JMP Mixed Model Platform zu SAS PROC Mixed durchlaufen. Die JMP-Plattform für zufällige Intercepts und allgemein gemischte Modelle ist gut.Ich würde mir wünschen, dass die JMP-Plattform in Zukunft auch Koeffizienten für kategoriale Ergebnisse schätzen kann. Danke noch einmal!  

Betreff: Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und hierarchische Daten in JMP® Pro<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Danke für Ihre netten Worte.

Ich möchte Ihr Anliegen präzisieren. Möchten Sie zufällige Koeffizienten für kategoriale Faktoren? Oder suchen Sie gemischte Modelle mit binomialartigen Daten, also logistische Regression mit Zufallseffekten?

Vielen Dank!

Betreff: Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und hierarchische Daten in JMP® Pro<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Hallo Elisabeth,

Ich wünschte, ich hätte letzte Woche an Ihrer Präsentation teilnehmen können, aber ich glaube, ich musste woanders sein.

Ich bin mir ziemlich sicher, dass @mpg nach einer logistischen Regression mit zufälligen Effekten fragt. Vielleicht könnte man das dann auch auf die ordinale logistische Regression ausdehnen.

Vielen Dank,

Phil

Betreff: Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und Hierarchiedaten in JMP® Pro

Danke, Phil. Das dachte ich mir, aber ich wollte sicher sein. GLMMs und GEEs (gemischte Modelle mit nicht normalen Antwortverteilungen) wurden bereits angefordert. Ich werde eine weitere Stimme für sie hinzufügen.

Danke,

Elisabeth

Betreff: Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und hierarchische Daten in JMP® Pro

Es bekommt meine Stimme! Ich musste kürzlich einige Kursarbeiten für ein Modul „Mixed Models“ meines Masters in angewandter Statistik machen und es wäre gut gewesen, für den Teil zur logistischen Regression in JMP bleiben zu können. Stattdessen musste ich meine Zeit damit verschwenden, die Fehler in irgendeinem zweifelhaften R-Code aus den Vorlesungsnotizen zu beheben!

Betreff: Zufallskoeffizientenmodelle: So modellieren Sie Längsschnitt- und hierarchische Daten in JMP® Pro

Hallo Elizabeth und Phil,

Ich entschuldige mich für die verspätete Antwort, war unterwegs.

Ja, ich bitte darum, dass zukünftige Versionen von JMP die Aufnahme von GLMMs in die gemischte Modellierungsplattform in Betracht ziehen. Andererseits dachte ich, wenn ich etwas Freizeit habe, würde ich mir die Mühe machen, ein JMP-Add-In zu schreiben, das R verwendet, um gemischte Modelle mit nicht normalen Antworten zu schätzen.

Haben Sie irgendwelche Gedanken zur Erstellung dieses Add-Ins?

Prost,

Matt Goodlaw