生存統計：籠內死亡率你好，
首先，我要感謝社群在這裡幫助解決新手問題。 自從搬到這個機構後，我就愛上了 JMP！
我正在嘗試為一項研究進行生存統計，在該研究中，我追蹤了 18 個籠子，每個籠子包含 50 隻蒼蠅，在 20 天內的死亡率。 每個籠子每天的死亡人數各不相同。閱讀並觀看“高級掌握 JMP：分析生存數據「我仍然不知所措，想知道這種生存分析是否不適合我的統計類型。 也許我更適合回歸或其他東西。
任何關於更好的故障排除來源的建議或提示將不勝感激。
喬
回覆：存活統計：籠內死亡率太感謝了！
回覆：存活統計：籠內死亡率我嘲笑了你的研究：
治療方法為A或B。 相位為 1 至 4。 籠子是1到20。 蒼蠅數是死蒼蠅的數量。 審查員設定為 0 表示死亡。 複製 Phase = 4 的行以記錄仍然存活的蒼蠅數量，並將這些行的 Censor 設為 1。
請注意，Flies 是來自威布爾分佈的隨機數，因此我可以繼續我的回覆。
同質性檢定假設所有組別（本例為「處理」）的分佈相同的原假設。 另一種假設是分佈並不完全相同。 這是測試任何治療效果。
嵌套模型測試也用於治療效果，但它們解決了治療效果的性質。 這些測試也是從沒有效果的假設開始的。 第一個測試比較位置參數。 第二個比較位置和尺度參數。
回覆：存活統計：籠內死亡率是的，你的描述符合我的資料集，只是我有階段（4）而不是天。 死亡率較低（約佔整個資料集的 5%），因此不具有常態分佈。 我轉換了資料集以模仿 Fly Mortality 範例，並透過 X 分析運行 Fit Life。 讓我感到困惑的是，它顯示了 Wilcoxon 組同質性檢定（卡方），以及「無影響與位置」（影響不同於零？），以及「位置與位置和規模」。 所以我不確定其中一個是否反映了兩種治療方法的比較。
回覆：存活統計：籠內死亡率我已經很久沒有關注這個問題了。 讓我們重新開始並確保該解決方案適合您的情況。 這個簡短的描述是否反映了您的情況？
- 您將籠子分為兩個處理 A 和 B。
- 你有 c 個籠子，其中一半用於每次治療。
- 一開始每個籠子裡都有 n 個受試者。
- 您觀察 d 天內每天存活/死亡的受試者數量。
我不知道你對這種情況的標準分析，但我能想到的三種通用方法似乎是合適的。 您可以使用具有泊松分佈和機率連結函數的廣義線性模型來執行機率分析。 治療將是唯一的固定效果。 如果您心中有分佈模型，您也可以執行參數生存分析。 如果假設有效，您也可以執行比例風險分析而不指定風險函數。
如果這個描述看起來合適，那麼我可以幫助您設計資料表的佈局和分析的設定。
回覆：存活統計：籠內死亡率嗨，馬克貝利：您能否提供有關如何將選定的列分配到角色的附加資訊？我已經按照建議轉換了我的資料集，但也進行了 2 種處理，並且想知道我輸入的資料是否正確。 所以我將「階段」設定為 Y，事件發生時間； 「Censor」欄為Censor； “計數”列為頻率；並想知道“Treatment”是否應輸入為“By”。這種結構的問題是我無法對治療方法進行比較。你能幫忙嗎？
回覆：存活統計：籠內死亡率非常感謝你
回覆：存活統計：籠內死亡率選擇分析 > 擬合模型。 然後點擊“個性”旁邊的按鈕，並在下拉式選單底部附近選擇“廣義線性模型”。 您應該會看到分發和連結功能的選擇出現在之後
我仍然認為你最大的障礙是資料表的佈局。 這並不困難，但如果您沒有正確設定數據，大多數過程都會遇到麻煩。 您嘗試過我建議的佈局嗎？
GLM 方法需要不同的佈局...
回覆：存活統計：籠內死亡率
另請查看此 JMP 部落格文章https://community.jmp.com/t5/JMP-Blog/Reliability-regression-with-binary-response-data-probit-analysis/ba-p/30464
回覆：存活統計：籠內死亡率請指定 JMP 10。
分析=>擬合模型=>？
我在這裡沒有看到“廣義線性模型”。謝謝！
回覆：存活統計：籠內死亡率我想為二項式回應資料引入所謂的「互補對數-對數模型」（即每個籠子中的死文件數）。 此模型通常應用於離散存活時間資料。
該車型可在 Fit Model 中找到廣義線性模型個性由選擇分佈：二項式和連結功能：Comp LogLog 。
假設您在第 20 天結束時記錄了每個籠子的死亡率（失敗次數）。 令 N 為籠內種群（即試驗）。 您將新增死亡率計數和 N 列作為 Y，並新增 Cage 和任何其他協變數作為模型效應。 結果可以讓您測試整體是否死亡不同籠子的比率有顯著差異，並預測死亡。
如果您想估計基線生存函數，那麼您需要建立一系列指示變量，用於識別每天的死蠅數量，並將它們添加為模型效應。
回覆：存活統計：籠內死亡率在我看來，在這項研究中，對過程的動態不感興趣，但有興趣透過最終（第 20 天）結果（死亡和存活的百分比）來比較複製類型，即想要發現活體和死亡比例存在統計上的顯著差異，取決於複製（籠子）
回覆：存活統計：籠內死亡率我認為JMP中至少有三種分析死亡率的方法：生命分佈、存活率和機率（在擬合模型中使用GLM）。 讓我們從前兩個開始。 您的數據很好，但應該這樣組織：
您有 20 個籠子運行 20 天。 輸入新死蒼蠅數量在給定日期和籠子的計數列中。 在表格末尾、Censor = 1 的行中輸入存活蒼蠅的數量：
然後使用兩個已儲存的表格腳本開始分析。
我為您附上了此範本資料表，因此您只需輸入計數資料即可。
回覆：存活統計：籠內死亡率好的。1. 在第 20 天，打開籠子，看看有多少隻蒼蠅還活著 (a)，有多少隻蒼蠅死了 (d)。 對於每個細胞都是如此。
2. 你會得到一系列數字
a1、d1（第一個籠子）
a2、d2（第二個）
a3、d3（第三個）
ETC。
3）然後與列聯表 2x2（「Fit Y by X」平台）
比較：
a1、d1
a2、d2
然後比較：
a1、d1
a3、d3
然後比較
a2、d2
a3、d3
ETC。
4) 結果，您可以選擇籠統計上顯著不同的對（精確的 Fisher 檢定）。我認為這樣的人不會很多。
聚苯乙烯 如果籠是獨立的，那麼多重比較的效果就不會。
回覆：存活統計：籠內死亡率如果有些蒼蠅在 20 天之前飛過，您需要將她放在不是 20 天的位置，而是她飛行的當天（這些是審查規則）。 聚苯乙烯 對於蒼蠅，你需要小心，特別是考慮一下，誰被稱為蒼蠅王子......:)
回覆：存活統計：籠內死亡率感謝您的答覆。
現在我將數據記錄為每個籠子每天的死亡率。 籠子是重複的，我不關心個別果蠅，而是每個籠子族群的整體存活率。 你上面提到的方法可以讓我對 900 隻蒼蠅的存活情況進行分類。 這將花費大量的時間！ 更不用說我有來自相同數量重複的重複研究的數據。
我的數據只是追蹤每個籠子 20 天內的損失情況。 我希望 JMP 中有一種更簡單的方法可以做到這一點。回覆：存活統計：籠內死亡率生存分析在這裡適用（但它不排除其他方法 - 這取決於您的目標）。 因此，在資料表中您有以下列：
1. 蒼蠅數量（1、2、3 等）
2.死了(1)，活著(0，這是審查鱈魚)。 （注意，在JMP中預設審查代碼為1，因此您需要更改它）
3. 死亡時間（如果蒼蠅死了）或20天（如果蒼蠅還活著）
4. 籠子代碼（如果這對您很重要）
聚苯乙烯如果你轉彎曲線即。曲線從下到上（生存平台給了你這個可能性），你會得到一個累積的死亡機率
