変数の調整（年齢、体重、性別、BMIなど）一元配置分散分析を実行しており、人口統計学的変数 (年齢、体重など) に基づいて分析を一致/調整するソリューションを探しています。
これに対する解決策はありますか？
一番、
JD
Re:変数の調整（年齢、体重、性別、BMIなど）やあ
答えは見つかりましたか？
年齢と性別で変数を調整する必要があります。SPSS と R を使用しています。
あなたの方法を教えてください。
TNX
ER。
Re:変数の調整（年齢、体重、性別、BMIなど）添付の写真がないので、レバレッジ プロットから何を得ているのかわかりません。
Re:変数の調整（年齢、体重、性別、BMIなど）こんにちは、
これは私がレバレッジプロットから得たものです - あなたが言及していると私が思うのは
グレーアウト。 何か案が？
Re:変数の調整（年齢、体重、性別、BMIなど）最小二乗平均があなたが探しているものだと思います。 それらはレバレッジプロットと一緒です。 それらは、予測プロットによる実際の値の右側にあるか、赤いポップアップ メニューから要求する必要がある場合があります。
Re:変数の調整（年齢、体重、性別、BMIなど）フィッティングモデルを使用した年齢調整を行っております。
調整された結果の平均値と標準偏差を取得できるかどうか知りませんか? あなたが説明したプロセスを実行すると、調整された変数の p 値が表示されますが、分布は表示されません。 SPSS では、これがアウトプットの 1 つであることを知っています。
ありがとうRe:変数の調整（年齢、体重、性別、BMIなど）調整された結果の平均値と標準偏差を取得できるかどうか知りませんか? あなたが説明したプロセスを実行すると、調整された変数の p 値が表示されますが、分布は表示されません。 SPSS では、これがアウトプットの 1 つであることを知っています。Re:変数の調整（年齢、体重、性別、BMIなど）連続変数を離散 (より良いバイナリ) に変換する場合は、「分析 > X による Y の適合」を使用することが可能だと思います。 たとえば、年齢は 60 歳未満/60 歳以上、体重は人口を標準体重と肥満に分ける特定の数値などです。いずれにしても、Y としてグルカゴンを選択します。
Re:変数の調整（年齢、体重、性別、BMIなど）- 選択する分析する>モデルをあてはめる.
- 選択する遺伝子型そしてクリックよ.
- 選択するグルカゴンそしてすべて共変量.
- 期待してますか相互作用効果?
- その場合は、クリックしてくださいマクロそして選択階乗から次数へ(2)。
- そうでない場合は、クリックします追加.
- クリック走る.
Re:変数の調整（年齢、体重、性別、BMIなど）テッド、
3 つのサブタイプ (1:1、1:2、2:2) を持つ遺伝子型を見て、グルカゴンとの関係を観察しています。
私の遺伝子型は名義型で、グルカゴンは連続型です。
体重、年齢、性別など、他にもいくつかの連続変数 (共変量) があります。
グルカゴンを応答変数として、遺伝子型を因子として ANCOVA を実行したいと考えています。 私の共変量は、前に述べたとおりです。
それはそれをクリアしますか？
Re:変数の調整（年齢、体重、性別、BMIなど）研究の目的と目標変数 (エンドポイント) を定義することから始めます。
Re:変数の調整（年齢、体重、性別、BMIなど）オンラインの JMP マニュアルを参照してください: 線形モデルの適合。 勾配が等しくない共分散の分析の例については、214 ページを参照してください。 あなたの状況はより複雑に聞こえるので、これはあなたの例と同じではありません。 しかし、これにより、モデルを指定する方法と、出力がどのように見えるかについてのアイデアが得られます。 完全な出力は、JMP に適合するほぼすべての標準的な最小二乗重回帰モデルで確認できます。
あなたの質問は簡単に言うことができますが、分析はそれほど簡単ではないかもしれません. それが簡単なら、ここで議論する必要はありません。 次のような考慮すべき多くの問題があります。データに共線性はありますか? データは完全ですか、それとも「ギャップ」がありますか? 時間に関連する影響はありますか？ 効果は固定ですか、それともランダムですか? 相互作用を考慮する必要がありますか? 悪魔は常に細部に宿る。 適切なアドバイスが与えられていることを確認するには、さらに多くの情報が必要です。 Kutner、Neter などによる Applied Linear Statistical Models などの線形モデルに関するテキストを参照することをお勧めします。アル。
Re:変数の調整（年齢、体重、性別、BMIなど）ダン、
そのプロセスのアウトプットはありますか？ それとも一歩一歩？ 落とし穴に関係なく、いくつかの変数に合わせて調整された単純な分析を試みているだけです。
Re:変数の調整（年齢、体重、性別、BMIなど）年齢、体重などは通常、共変量と見なされます。 そのため、通常、Fit Y by X ではなく、Fit Model を使用して分析を行います。 主要な予測変数を、考えられる他のすべての人口統計学的変数とともにモデルに追加します。 このフォーラムで議論するには長すぎる潜在的な落とし穴がいくつかあります。 線形モデルのテキストを見ることをお勧めします。 JMPでは、これらのタイプのモデルを適合させるためのクラスも提供しています: https://support.sas.com/edu/schedules.html?ctry=us&crs=JANR
