Ajustement pour variable (âge, poids, sexe, IMC, etc.)J'exécute une ANOVA à un facteur et je cherche une solution pour faire correspondre/ajuster l'analyse en fonction de mes variables démographiques (âge, poids, etc.).
Une solution à cela?
Meilleur,
JD
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Salut
Avez-vous trouvé votre réponse?
J'ai besoin d'ajuster une variable avec l'âge et le sexe, je travaille avec SPSS et R.
Pourriez-vous s'il vous plaît partager votre méthode?
TX
Urgences.
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Il n'y a pas d'image jointe, donc je ne sais pas ce que vous obtenez de l'intrigue à effet de levier.
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Bonjour,
C'est ce que j'obtiens de l'intrigue à effet de levier - ce à quoi je pense que vous faites référence est
grisé. Une idée?
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Je crois que les moindres carrés moyens sont ce que vous recherchez. Ils sont avec les parcelles à effet de levier. Ils seraient soit à droite du tracé Réel par Prévision, soit vous devrez peut-être les demander à partir du menu contextuel rouge.
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Je fais un ajustement d'âge en utilisant le modèle d'ajustement.
seriez-vous au courant si je peux obtenir les moyens et la norme des résultats ajustés ? Lorsque je fais le processus que vous avez décrit, je peux voir la valeur p des variables ajustées, mais je ne vois pas leur distribution. Je sais que dans SPSS c'est l'une des sorties.
merciRe : Ajustement pour variable (âge, poids, sexe, IMC, etc.)seriez-vous au courant si je peux obtenir les moyens et la norme des résultats ajustés ? Lorsque je fais le processus que vous avez décrit, je peux voir la valeur p des variables ajustées, mais je ne vois pas leur distribution. Je sais que dans SPSS c'est l'une des sorties.Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Je pense qu'il est possible d'utiliser "Analyze> Fit Y by X", si les variables continues sont transformées en discrètes (mieux binaires). Par exemple, pour l'âge, prenez moins/plus de 60, pour le poids un certain nombre qui divise la population en poids normal et obèse, etc. Quoi qu'il en soit : sélectionnez Glucagon comme Y.
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)- Sélectionner Analyser > Ajuster le modèle .
- Sélectionner Génotype et cliquez Oui .
- Sélectionner Glucagon et tout le covariables .
- Attendez-vous effets d'interaction ?
- Si oui, cliquez Macros et sélectionnez Factoriel en Degré (2).
- Si ce n'est pas le cas, cliquez Ajouter .
- Cliquez sur Courir .
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Ted,
Je regarde un génotype qui a 3 sous-types (1:1, 1:2, 2:2) et j'observe leur relation avec le glucagon.
Mon génotype est nominal et mon glucagon est continu.
J'ai plusieurs autres variables continues (covariables) telles que : le poids corporel, l'âge et le sexe.
Je souhaite exécuter une ANCOVA avec le glucagon comme variable de réponse et mon génotype comme facteur. Mes covariables sont comme je l'ai dit précédemment.
Est-ce que ça éclaire ?
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Je commencerais par définir le but de l'étude et la variable cible (endpoint).
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Consultez le manuel JMP en ligne : Ajustement de modèles linéaires. Regardez à la page 214 pour l'exemple d'analyse de covariance avec des pentes inégales. Ce n'est pas le même que votre exemple, car votre situation semble plus complexe. Mais cela vous donnera une idée de la façon de spécifier le modèle et de ce à quoi la sortie peut ressembler. La sortie complète peut être vue dans à peu près n'importe quel modèle standard de régression multiple des moindres carrés adapté à JMP.
Bien que votre question puisse être formulée simplement, l'analyse n'est peut-être pas si facile. Si c'était facile, il n'y aurait pas besoin de discuter ici. De nombreux problèmes doivent être pris en compte, tels que : Y a-t-il une colinéarité dans les données ? Les données sont-elles complètes ou y a-t-il des "lacunes" ? Y a-t-il des effets liés au temps ? Les effets sont-ils fixes ou aléatoires ? Faut-il envisager les interactions ? Le diable est toujours dans les détails. Beaucoup plus d'informations seraient nécessaires pour être certain que des conseils appropriés sont donnés. Vous pouvez vous référer à un texte sur les modèles linéaires tels que Applied Linear Statistical Models de Kutner, Neter, et. Al.
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)Dan,
Avez-vous un résultat de ce processus? Ou un pas à pas ? Indépendamment des pièges, essayez simplement de faire une analyse simple ajustée pour quelques variables.
Re : Ajustement pour variable (âge, poids, sexe, IMC, etc.)L'âge, le poids, etc. sont généralement considérés comme des covariables. Ainsi, vous effectuerez généralement l'analyse en utilisant Ajuster le modèle plutôt que Ajuster Y par X. Vous ajouteriez votre variable prédictive principale avec toutes les autres variables démographiques possibles dans le modèle. Il y a des pièges potentiels qu'il serait trop long d'aborder dans ce forum. Je recommanderais de regarder un texte de modèles linéaires. JMP propose également des cours sur l'ajustement de ces types de modèles : https://support.sas.com/edu/schedules.html?ctry=us&crs=JANR
