Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?Liebe JMP-Community,
Ich muss die Auswirkungen der Behandlung analysieren und mehrere Biomarker für eine klinische Ergebnisvariable, die nicht normal verteilt ist (siehe Histogramm unten).
Aufgrund meines begrenzten Wissens bin ich mir ziemlich sicher, dass ich das Standardmodell der kleinsten Quadrate nicht für die Analyse dieser Daten verwenden kann, da der vom Modell erzeugte Fehler nicht normalverteilt ist. Was wäre also meine beste Option, um mein Ziel zu erreichen?
Hinweis: Ich verwende die Standardversion von JMP 11.1
Ich danke Ihnen für Ihre Hilfe.
Aufrichtig,
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?... und zusätzlich zu den oben genannten Modellierungsmethoden möchte ich Ihre Aufmerksamkeit auf das Pulldown-Menü „Assess Variable Importance“ (auch bekannt als „Sobol'izer“) im Prediction Profiler lenken.
Insbesondere neuronale Netze sind dafür berüchtigt, „Black Boxes“ zu sein, die keine Informationen über die Bedeutung von Variablen liefern, und die Sobol'izer-Abhilfemaßnahmen, die ziemlich korrekt funktionieren.Eine Referenz ist beigefügt.
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?@sornasst :
Ich würde mir auf jeden Fall das grundlegende Antwortdiagramm, die Spaltenbeiträge und die Log-Wert-Werte ansehen, die viele der verschiedenen Berichtsfenster der Analyseplattform füllen. Und ich befürworte auch wärmstens die Verwendung aller Kreuzvalidierungstechniken meines Kollegen @Bill_Worley auch Erwähnungen. Sie können einen Regressionsbaum genauso leicht überanpassen wie andere Modellierungsmethoden. Hier ist ein Link zur allgemeinen Online-JMP-Dokumentation für die Partitionsplattform. Da Sie JMP 11 verwenden, bezieht sich diese Dokumentation auf Version 13. Daher können einige der Optionen oder Menüs unterschiedlich oder nicht vorhanden sein, aber sie kann Ihnen zumindest den Einstieg erleichtern.
http://www.jmp.com/support/help/13-2/Partition_Models.shtml#
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?Hallo Peter,
Vielen Dank, dass Sie die Partition-Plattform vorgeschlagen haben. Gibt es eine Möglichkeit, die Bedeutung der Parameter zu erfassen, die zur Aufteilung der Antwort verwendet werden?
Ich danke Ihnen für Ihre Hilfe.
Aufrichtig,
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?Haben Sie darüber nachgedacht, die Partition-Plattform zu verwenden? Sie haben sicherlich Spaltungen in der Verteilung Ihrer Antwortvariablen, die Sie nur anschreien. Daten von Biomarker-Prädiktorvariablen sind außerdem oft bekanntermaßen voller Multikollinearität. Eine Technik wie PLS könnte also einige Erkenntnisse liefern?
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?Sie können „Neuronale Netze“ im Menü „Analysieren“ ausprobieren.Neuronale Netze sind eine gute Plattform für den Versuch, nichtlineare Daten anzupassen.Ich bin mir nicht sicher, ob es sich um eine eigenständige Plattform in JMP 11 handelt oder ob Sie sie unter Predictive Modeling finden.Sie können mehrere Ebenen der TanH-Funktion ausprobieren, um zu sehen, ob Sie eine gute Anpassung erhalten.Beachten Sie, dass NN-Modelle leicht überangepasst sind, wenn Sie keine Kreuzvalidierung verwenden.Verwenden Sie K-Fold oder Holdback und probieren Sie verschiedene Ebenen aus.Wenn Sie über einen kleinen Datensatz verfügen, verwenden Sie die Leave-One-Out-Validierung.Wenn dies nicht aufgeführt ist, können Sie K-Fold verwenden und die Anzahl der Zeilen zu Ihrer Anzahl der Falten machen.
HTH
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?Hallo Dale,
Vielen Dank für Ihren Vorschlag: Ich habe bereits mit der Einteilung der klinischen Ergebnisvariablen in drei Ebenen experimentiert, was mit dem Ordinal-Logistik-Modell gut zu funktionieren scheint.
Am besten,
Betreff: Multivariate Analyse für Nichtnormalverteilung (nicht transformierbar)?Ich denke, es ist schwierig, allgemein auf Ihre Frage zu antworten (zumindest fällt es mir schwer), ohne mehr Kontext.Aber wenn ich mir diese Verteilung Ihres klinischen Ergebnisses ansehe, denke ich, dass Sie dies vielleicht als eigenständiges Ergebnis betrachten möchten.Die Verteilung ist stark bimodal. Könnte es möglich sein, alle Werte <.5 in der 0-Klasse und >.5 in der 1-Klasse zu gruppieren und sie dann als Klassifizierungsproblem zu analysieren?Wenn Ihre Stichprobe groß genug ist, können lineare Modelle natürlich eine vernünftige Schätzung des Mittelwerts liefern – aber bei einem bimodalen Ergebnis wie diesem ist der Mittelwert nicht besonders interessant.
