Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Ich führe eine einfache ANOVA durch und suche nach einer Lösung, um die Analyse basierend auf meinen demografischen Variablen (Alter, Gewicht usw.) abzugleichen/anzupassen.
Irgendeine Lösung dafür?
Am besten,
JD
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Hallo
Hast du deine Antwort gefunden?
Ich muss eine Variable mit Alter und Geschlecht anpassen, ich arbeite mit SPSS und R.
Würdest du bitte deine Methode teilen?
Tnx
ER.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Es gibt kein angehängtes Bild, daher weiß ich nicht, was Sie aus dem Leverage-Plot bekommen.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Hallo,
Dies ist, was ich aus dem Leverage-Plot bekomme – worauf Sie sich meiner Meinung nach beziehen
ausgegraut. Irgendeine Idee?
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Ich glaube, die Least Square Means sind das, wonach Sie suchen. Sie sind mit den Leverage Plots. Sie befinden sich entweder rechts neben dem Diagramm „Ist nach Vorhergesagt“ oder Sie müssen sie möglicherweise über das rote Popup-Menü anfordern.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Ich mache eine Altersanpassung mit dem Anpassungsmodell.
Würden Sie zufällig wissen, ob ich die Mittelwerte und Standardwerte der angepassten Ergebnisse erhalten kann? Wenn ich den von Ihnen beschriebenen Prozess durchführe, kann ich den p-Wert der angepassten Variablen sehen, aber ich sehe nicht ihre Verteilung. Ich weiß, dass dies in SPSS eine der Ausgaben ist.
DankeBetreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Würden Sie zufällig wissen, ob ich die Mittelwerte und Standardwerte der angepassten Ergebnisse erhalten kann? Wenn ich den von Ihnen beschriebenen Prozess durchführe, kann ich den p-Wert der angepassten Variablen sehen, aber ich sehe nicht ihre Verteilung. Ich weiß, dass dies in SPSS eine der Ausgaben ist.Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Ich denke, es ist möglich, "Analyze> Fit Y by X" zu verwenden, wenn die kontinuierlichen Variablen in diskret (besser binär) umgewandelt werden sollen. Nehmen Sie zum Beispiel für Alter weniger/mehr als 60, für Gewicht eine bestimmte Zahl, die die Bevölkerung in Normalgewicht und Fettleibigkeit unterteilt, usw. Wie auch immer: Wählen Sie Glucagon als Y.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)- Wählen Analysieren > Modell anpassen .
- Wählen Genotyp und klicken Y .
- Wählen Glukagon und alle Kovariaten .
- Erwartest du Interaktionseffekte ?
- Wenn ja, klicken Sie Makros und auswählen Fakultät zu Grad (2).
- Wenn nicht, klicken Sie Hinzufügen .
- Klicken Laufen .
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Ted,
Ich betrachte einen Genotyp mit 3 Subtypen (1:1, 1:2, 2:2) und beobachte ihre Beziehung zu Glucagon.
Mein Genotyp ist nominell und mein Glukagon ist kontinuierlich.
Ich habe mehrere andere kontinuierliche Variablen (Kovariaten) wie: Körpergewicht, Alter und Geschlecht.
Ich möchte eine ANCOVA mit Glukagon als Antwortvariable und meinem Genotyp als Faktor durchführen. Meine Kovariaten sind, wie ich bereits sagte.
Klärt das auf?
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Ich würde damit beginnen, das Ziel der Studie und die Zielvariable (Endpunkt) zu definieren.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Sehen Sie im Online-JMP-Handbuch nach: Fitting Linear Models. Auf Seite 214 finden Sie das Beispiel für die Analyse der Kovarianz mit ungleichen Steigungen. Dies ist nicht dasselbe wie in Ihrem Beispiel, da Ihre Situation komplexer klingt. Aber das wird Ihnen eine Vorstellung davon geben, wie Sie das Modell spezifizieren und wie ein kleiner Teil davon aussehen könnte, wie die Ausgabe aussehen könnte. Die vollständige Ausgabe kann in nahezu jedem standardmäßigen multiplen Regressionsmodell der kleinsten Quadrate angezeigt werden, das in JMP passt.
Obwohl Ihre Frage einfach gestellt werden kann, ist die Analyse möglicherweise nicht so einfach. Wenn es einfach wäre, bräuchte man hier nicht zu diskutieren. Es gibt viele Fragen zu berücksichtigen, wie zum Beispiel: Gibt es Kollinearität in den Daten? Sind die Daten vollständig oder gibt es „Lücken“? Gibt es zeitliche Effekte? Sind die Effekte fest oder zufällig? Sollen Wechselwirkungen berücksichtigt werden? Der Teufel steckt immer im Detail. Es wären viel mehr Informationen erforderlich, um sicher zu sein, dass die richtige Beratung gegeben wird. Vielleicht möchten Sie auf einen Text über lineare Modelle wie Applied Linear Statistical Models von Kutner, Neter, et. Al.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Dan,
Hast du zufällig eine Ausgabe dieses Prozesses? Oder Schritt für Schritt? Ungeachtet der Fallstricke, versuchen Sie einfach, eine einfache Analyse durchzuführen, die für einige Variablen angepasst ist.
Betreff: Anpassung für Variable (Alter, Gewicht, Geschlecht, BMI usw.)Alter, Gewicht usw. werden normalerweise als Kovariaten betrachtet. Daher führen Sie die Analyse normalerweise mit Fit Model statt Fit Y by X durch. Sie würden Ihre primäre Prädiktorvariable zusammen mit allen anderen möglichen demografischen Variablen in das Modell einfügen. Es gibt einige potenzielle Fallstricke, deren Erörterung in diesem Forum zu langwierig wäre. Ich würde empfehlen, sich einen Text für lineare Modelle anzusehen. JMP bietet auch Kurse zum Anpassen dieser Arten von Modellen an: https://support.sas.com/edu/schedules.html?ctry=us&crs=JANR
