¿Análisis multivariado para distribución no normal (no transformable)?Estimada comunidad de JMP,
Necesito analizar los efectos del tratamiento y múltiple biomarcadores en una variable de resultado clínico que no se distribuye normalmente (consulte el histograma a continuación).
Según mi conocimiento limitado, estoy bastante seguro de que no puedo usar el modelo de mínimos cuadrados estándar para el análisis de estos datos, ya que el error generado por el modelo no se distribuye normalmente. Entonces, ¿cuál sería mi mejor opción para lograr mi objetivo?
Nota: estoy usando la versión estándar de JMP 11.1
Gracias por tu ayuda.
Sinceramente,
Re: Análisis multivariado para distribución no normal (no transformable)?... y, además de los métodos de modelado mencionados anteriormente, quiero llamar su atención sobre la Importancia Variable de la Evaluación (también conocida como el Sobol'izer desplegado en el Profiler Profiler.
Las redes neuronales, en particular, son conocidas por ser "cajas negras" que no proporcionan información sobre la importancia variable, y los remedios Sobol'izer que se emiten de manera bastante justa. Se adjunta una referencia.
Re: Análisis multivariado para distribución no normal (no transformable)? @sornasst :
Definitivamente, me gustaría ver la gráfica de respuesta básica, las contribuciones de columna y los valores de valor de registro que llenan muchas de las diferentes ventanas de informes de la plataforma de análisis. Y también endoso de todo corazón el uso de todas las técnicas de validación cruzada que mi colega @bill_worley Menciona también. Puede adaptar un árbol de regresión tan fácilmente como otros métodos de modelado. Aquí hay un enlace a la documentación general en línea de JMP para la plataforma de partición. Ya que está utilizando JMP 11, esta documentación es para la versión 13 ... por lo que algunas de las opciones o menús pueden ser diferentes o inexistentes ... pero al menos puede comenzar.
http://www.jmp.com/support/help/13-2/Partition_Models.shtml#
Re: Análisis multivariado para distribución no normal (no transformable)?Hola Pedro,
Gracias por sugerir la plataforma de partición. ¿Hay una manera de capturar la importancia de los parámetros utilizados para dividir la respuesta?
Gracias por tu ayuda.
Sinceramente,
Re: Análisis multivariado para distribución no normal (no transformable)?¿Has pensado en usar la plataforma de partición? Ciertamente tienes divisiones en tu distribución de variables de respuesta que solo te gritan. Los datos variables del predictor de biomarcadores a menudo también son notoriamente llenos de multi colinealidad ... ¿por lo que una técnica como PLS podría mostrar algo de información?
Re: Análisis multivariado para distribución no normal (no transformable)?Algo que puedes probar son las redes neuronales en el menú Analizar. Las redes neuronales son una buena plataforma para tratar de ajustar datos no lineales. No estoy seguro de si es una plataforma independiente en JMP 11 o si la encontrará en Modelado predictivo. Puede probar varios niveles de la función TanH para ver si se ajusta bien. Una cosa para recordar es que los modelos NN se superponen fácilmente si no utiliza algún tipo de validación cruzada. Usa K-fold o Holdback y prueba diferentes niveles. Si tiene un conjunto de datos pequeño, use la validación Leave-One-Out. Si no ve la lista, puede usar K-Fold y hacer que el número de filas sea su Número de pliegues.
HTH
Re: Análisis multivariado para distribución no normal (no transformable)?Hola dale
Gracias por su sugerencia: ya había experimentado con la combinación de la variable de resultado clínico en 3 niveles, que parece funcionar bien con el modelo Logístico Ordinal.
Mejor,
Re: Análisis multivariado para distribución no normal (no transformable)?Creo que es difícil responder a tu pregunta en general (al menos es difícil para mí) sin más contexto. Pero mirar esta distribución de su resultado clínico me hace pensar que tal vez quiera considerar esto como un resultado discreto. La distribución es fuertemente bimodal. ¿Podría ser posible agrupar todos los valores <.5 en el intervalo 0 y> .5 en el intervalo 1 y luego analizarlo como un problema de clasificación? Por supuesto, si el tamaño de su muestra es lo suficientemente grande, los modelos lineales podrían proporcionar una estimación razonable de la media, pero con un resultado bimodal como este, la media no es particularmente interesante.
