Analisi multivariata per distribuzione non normale (non trasformabile)?Cara comunità JMP,
Ho bisogno di analizzare gli effetti del trattamento e multiplo biomarcatori su una variabile di risultato clinico che non è distribuita normalmente (vedere l'istogramma di seguito).
Sulla base delle mie conoscenze limitate, sono abbastanza sicuro di non poter utilizzare il modello dei minimi quadrati standard per l'analisi di questi dati poiché l'errore generato dal modello non è distribuito normalmente. Quindi, quale sarebbe la mia migliore opzione per raggiungere il mio obiettivo?
Nota: sto utilizzando la versione standard di JMP 11.1
Grazie per l'aiuto.
Cordiali saluti,
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?...e, oltre ai metodi di modellazione menzionati sopra, voglio richiamare la tua attenzione sul menu a discesa Assess Variable Importance (noto anche come Sobol'izer) nel Prediction Profiler.
Le reti neurali, in particolare, sono note per essere "scatole nere" che non forniscono informazioni sull'importanza delle variabili, e i rimedi Sobol'izer lo rilasciano abbastanza giustamente.Si allega un riferimento.
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?@sornasst :
Esaminerei sicuramente il grafico delle risposte di base, i contributi delle colonne e i valori del valore di registro che popolano molte delle diverse finestre di report della piattaforma di analisi. E approvo vivamente anche l'utilizzo di tutte le tecniche di convalida incrociata del mio collega @Bill_Worley menziona anche. È possibile sovrastimare un albero di regressione con la stessa facilità con cui si possono eseguire altri metodi di modellazione. Di seguito è riportato un collegamento alla documentazione generale in linea di JMP per la piattaforma di partizione. Poiché stai utilizzando JMP 11, questa documentazione è per la versione 13... quindi alcune opzioni o menu potrebbero essere diversi o inesistenti... ma può almeno aiutarti a iniziare.
http://www.jmp.com/support/help/13-2/Partition_Models.shtml#
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?Ciao Peter,
Grazie per aver suggerito la piattaforma di partizione. Esiste un modo per acquisire il significato dei parametri utilizzati per suddividere la risposta?
Grazie per l'aiuto.
Cordiali saluti,
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?Hai pensato di utilizzare la piattaforma di partizione? Sicuramente ci sono delle divisioni nella distribuzione delle variabili di risposta che ti stanno semplicemente urlando contro. Anche i dati delle variabili predittive dei biomarcatori sono spesso notoriamente pieni di multi collinearità... quindi una tecnica come PLS potrebbe mostrare qualche intuizione?
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?Qualcosa che puoi provare è Neural Nets nel menu Analizza.Le reti neurali sono una buona piattaforma per cercare di adattare dati non lineari.Non sono sicuro se sia una piattaforma autonoma in JMP 11 o se la troverai in Modellazione predittiva.Puoi provare diversi livelli della funzione TanH per vedere se ottieni un buon adattamento.Una cosa da ricordare è che i modelli NN si adattano facilmente se non si utilizza una sorta di convalida incrociata.Usa K-fold o Holdback e prova diversi livelli.Se disponi di un set di dati di piccole dimensioni, utilizza la convalida Leave-One-Out.Se non lo vedi nell'elenco puoi utilizzare K-Fold e impostare il numero di righe come Numero di pieghe.
HTH
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?Ciao Dale,
Grazie per il tuo suggerimento: avevo già sperimentato l'associazione della variabile del risultato clinico in 3 livelli che sembra funzionare bene con il modello logistico ordinale.
Migliore,
Ri: Analisi multivariata per distribuzione non normale (non trasformabile)?Penso che sia difficile rispondere in generale alla tua domanda (almeno è difficile per me) senza ulteriore contesto.Ma osservare questa distribuzione del tuo risultato clinico mi fa pensare che potresti considerarlo un risultato discreto.La distribuzione è fortemente bimodale: sarebbe possibile raggruppare tutti i valori < 0,5 nel contenitore 0 e > 0,5 nel contenitore 1 e quindi analizzarli come un problema di classificazione?Naturalmente, se la dimensione del campione è sufficientemente ampia, i modelli lineari potrebbero fornire una stima ragionevole della media, ma con un risultato bimodale come questo, la media non è particolarmente interessante.
