Где скачать опросник sf-36? Опции

[far]

Кто знает где скачать опросник SF-36?

Помогите, pls!

[DrgLena]

Повторила этот путь по своим более сложным данным (3 группы и 5 повторностей) , путь nokh, ANOVA для повторных измерений и GLM для повторных измерений дают одинаковый результат. При этом, в два последних пути не нужно вкладывать индивида и данные должны быть организованы иначе, что дает возможность автоматически исключать пропущенные измерения в ряду динамики, обеспечивая одно и то же число наблюдений на всех этапах изучения динамики. СПАСИБО!

[nokh]

Повторила этот путь по своим более сложным данным (3 группы и 5 повторностей) , путь nokh, ANOVA для повторных измерений и GLM для повторных измерений дают одинаковый результат. При этом, в два последних пути не нужно вкладывать индивида и данные должны быть организованы иначе, что дает возможность автоматически исключать пропущенные измерения в ряду динамики, обеспечивая одно и то же число наблюдений на всех этапах изучения динамики. СПАСИБО!

Благодарю за проверку моего первого видеоурока! Рад, что всё совпало. Так и должно было быть, но всё равно... мало ли что... Теперь ясно, что модули GLM и повторных измерений (RM) используют различные формулы, раз есть пусть даже минимальные различия в десятичных знаках. Скорее всего RM использует классический подход, а GLM, как ей и положено, - регрессионный. По поводу того чем пользоваться - дело привычки и задачи. Я не проверял модуль RM на предмет возможности анализа моих сложных дизайнов: если честно, то просто лень, ведь один работающий инструмент у меня уже есть... Но сомневаюсь, что потянет там, где структура вложенностей эффектов сложнее. Т.е. 3 группы вместо 2 и 5 повторностей вместо 4 - не принципиальное усложнение, оно - количественное, а не качественное. Но качественно более сложных комплексов у меня было только штуки 3 за всю практику. Поэтому, возможно, действительно нет смысла усложнять, если рассматриваемую задачу можно решать проще/быстрее + есть преимущество в обработке пропущенных ячеек. В защиту же моего подхода могу привести 3 аргумента:
1) универсальность, т.е. он годится не только для RM, но и для классических split-plot дизайнов + ВСЕ прочие возможные варианты, за исключением того, что пока делают только mixed-effect модели.
2) изящество и прозрачность. Изящество в том, что общая сумма квадратов разбивается на составляющие части, каждая из которых несёт определённую информацию о природе факторов и их взаимодействиях. Т.е. то, что RM выдало просто в качестве ошибки для оценки эффектов первостепенной важности в действительности является каким-то взаимодействием. Если прописывать модель вручную это видно, а если брать то, что выдала программа в RM (таблица в вашем pdf) - нет.
3) легче освоить расчёт компонентов дисперсии, а последнее может иметь выход на практику. Я дважды занимался таким. Один раз себе, один раз со студенткой сидели дня 3. Расписали дизайн, достали Монтгомери и прямо по пунктам алгоритма сидели формулы составляли. Выразили все компоненты общей изменчивости, нашли этапы методики, дающие наибольшую изменчивость и попытались модифицировать методику для увеличения точности. К сожалению, сама работа концептуально слабоватенькая, а так-то есть простор...
К сожалению, в R с заданием таких комплексов пока разобраться не могу. Плав как-то написал строчку кода - типа всё что я объяснял в нескольких постах можно задать так. На меня это произвело впечатление. А сейчас стал разбираться и похоже дело там с этим сложнее чем я думал.