調整變量（年齡、體重、性別、BMI 等）我正在運行單向方差分析，正在尋找一種解決方案來根據我的人口統計變量（年齡、體重等）匹配/調整分析。
對此有什麼解決辦法嗎？
最好的，
京東
回复：調整變量（年齡、體重、性別、BMI 等）你好
你找到答案了嗎？
我需要根據年齡和性別調整變量，我正在使用 SPSS 和 R。
能分享下你的方法嗎？
發件人
呃。
回复：調整變量（年齡、體重、性別、BMI 等）沒有附上圖片，所以我不知道你從槓桿圖中得到了什麼。
回复：調整變量（年齡、體重、性別、BMI 等）你好，
這是我從槓桿圖中得到的——我想你指的是
變灰了。 任何想法？
回复：調整變量（年齡、體重、性別、BMI 等）我相信最小二乘均值就是您要找的東西。 他們與槓桿圖有關。 它們要么位於“實際值與預測值”圖的右側，要么您可能需要從紅色彈出菜單中請求它們。
回复：調整變量（年齡、體重、性別、BMI 等）我正在使用擬合模型進行年齡調整。
你會不會碰巧知道我是否可以獲得調整後結果的方法和標準？ 當我執行您描述的過程時，我可以看到調整後變量的 p 值，但看不到它們的分佈。 我知道在 SPSS 中這是輸出之一。
謝謝回复：調整變量（年齡、體重、性別、BMI 等）你會不會碰巧知道我是否可以獲得調整後結果的方法和標準？ 當我執行您描述的過程時，我可以看到調整後變量的 p 值，但看不到它們的分佈。 我知道在 SPSS 中這是輸出之一。回复：調整變量（年齡、體重、性別、BMI 等）我認為，如果將連續變量轉換為離散變量（更好的二進制），則可以使用“分析 > 用 X 擬合 Y”。 例如，對於年齡，取小於/大於 60，對於體重，將人口分為正常體重和肥胖等。無論如何：選擇 Glucagon 作為 Y。
回复：調整變量（年齡、體重、性別、BMI 等）- 選擇分析>擬合模型.
- 選擇基因型然後點擊是.
- 選擇胰高血糖素和所有的協變量.
- 你期待嗎相互作用效應？
- 如果是這樣，請單擊宏指令並選擇度數階乘(2).
- 如果沒有，請單擊添加.
- 點擊跑步.
回复：調整變量（年齡、體重、性別、BMI 等）泰德，
我正在查看具有 3 個亞型（1:1、1:2、2:2）的基因型，並觀察它們與胰高血糖素的關係。
我的基因型是名義上的，我的胰高血糖素是連續的。
我還有其他幾個連續變量（協變量），例如：體重、年齡和性別。
我想運行一個 ANCOVA，胰高血糖素作為我的響應變量，我的基因型作為我的因素。 我的協變量如我之前所說。
這會清除它嗎？
回复：調整變量（年齡、體重、性別、BMI 等）我將從定義研究目標和目標變量（終點）開始。
回复：調整變量（年齡、體重、性別、BMI 等）查看聯機 JMP 手冊：擬合線性模型。 請查看第 214 頁的“不等斜率協方差分析”示例。 這與您的示例不同，因為您的情況聽起來更複雜。 但這會讓您了解如何指定模型以及輸出可能看起來的一小部分。 幾乎任何適用於 JMP 的標準最小二乘多元回歸模型都可以看到完整的輸出。
雖然你的問題可以簡單陳述，但分析起來可能就沒那麼容易了。 如果很容易，就沒有必要在這裡討論了。 有許多問題需要考慮，例如：數據中是否存在共線性？ 數據是否完整或是否存在“差距”？ 有時間相關的影響嗎？ 影響是固定的還是隨機的？ 是否應該考慮相互作用？ 魔鬼總是在細節中。 需要更多的信息才能確定給出了適當的建議。 您可能希望參考有關線性模型的文本，例如 Kutner、Neter 等人的 Applied Linear Statistical Models。阿爾。
回复：調整變量（年齡、體重、性別、BMI 等）擔，
你碰巧有那個過程的輸出嗎？ 還是循序漸進？ 不考慮陷阱，只是嘗試針對幾個變量進行調整後的簡單分析。
回复：調整變量（年齡、體重、性別、BMI 等）年齡、體重等通常被認為是協變量。 因此，您通常會使用擬合模型而不是用 X 擬合 Y 來進行分析。 您可以將主要預測變量與所有其他可能的人口統計變量一起添加到模型中。 有一些潛在的陷阱會因為篇幅太長而無法在本論壇中進行討論。 我建議查看線性模型文本。 JMP 還提供有關擬合這些類型模型的課程： https://support.sas.com/edu/schedules.html?ctry=us&crs=JANR
