Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Salut tout le monde,
J'effectue un test de Freidman sur un jeu de données. Les données testent les effets d'un traitement et se composent de 10 sujets. Chaque sujet a eu sa fréquence cardiaque (FC) mesurée six fois sur une période de 6 heures. Pour effectuer le test, j'ai enregistré les rangs HR (ordinal) et défini comme Y dans l'ajustement Y par X, les sujets comme "Bloc" et "Heure" comme X. Ceci est la sortie des tests Cochran-Mantel-Haenszel mais j'ai du mal à les interpréter. Y a-t-il un effet significatif même si la corrélation des scores est bien supérieure à 0,05 ?De plus, si les résultats montrent qu'il y a des changements significatifs induits par le traitement, est-il approprié d'effectuer un test Steel-Dwass toutes paires sur les données nominales en tant que test post hoc ?
Merci de votre aide!
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Merci pour les explications et l'aide à cette analyse. C'est très utile !Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Super, merci beaucoup pour ton explication. C'est très utileObjet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Les résidus ne fournissent pas une meilleure estimation de la normalité. Ils fournissent une évaluation plus pertinente.
La réponse (fréquence cardiaque) est modélisée comme une combinaison d'effets fixes (traitement, temps) et d'effets aléatoires (sujets, erreurs). La régression des moindres carrés ordinaires utilise un prédicteur linéaire pour les effets fixes (moyenne de réponse) et la distribution normale pour les effets aléatoires (variance de réponse). La réponse est modélisée comme la combinaison, de sorte que les données ne peuvent pas être utilisées pour évaluer la normalité de la partie aléatoire. Les effets fixes doivent d'abord être supprimés. Les résidus sont la réponse observée (combinaison) moins la réponse moyenne (effets fixes) pour chaque observation. Le reste (résiduel) devrait être la partie aléatoire. Enregistrez les résidus et examinez leur distribution avant de décider que vous avez besoin d'une analyse non paramétrique.
De plus, souvent, lorsque les résidus ne sont pas normaux, une transformation de Y peut les rendre normaux. Cette technique vous permet d'utiliser l'analyse des mesures répétées dans une classe d'expériences plus large.
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)La plupart des statisticiens que je connais ne prennent pas trop au sérieux le test de Shapiro-Wilk, car il peut être ridiculement trop sensible, en particulier pour les échantillons de grande taille.Beaucoup de choses qui échouent à Shapiro-Wilk sont suffisamment normales pour bien fonctionner avec des méthodes paramétriques qui supposent la normalité.Je recommande toujours de regarder le graphique quantile normal et d'utiliser un bon jugement.
De plus, vous devez absolument vérifier la normalité sur résidus .Si vous avez des effets sur vos données, l'ensemble des données n'aura probablement pas l'air normal.L'hypothèse concerne les erreurs, pas les valeurs des données brutes.Imaginez si votre modèle est composé de 2 groupes où il y a un effet de groupe important.Chaque groupe peut être distribué normalement, mais l'ensemble de données complet semblera bimodal.
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Je n'ai pas regardé les résidus. Au lieu de cela, j'ai appliqué le test d'ajustement de Shapiro-Wilks sur les données lors de l'analyse de la distribution. L'examen des résidus fournirait-il une meilleure estimation de la normalité ?
Merci d'avoir confirmé que les instructions d'analyse étaient correctes. Donc, si mon approche était correcte, y a-t-il un effet significatif même si la corrélation des scores est bien supérieure à 0,05 ? (comme je l'ai demandé à l'origine)
Merci encore pour votre aide!Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Je vois pourquoi les rangs fonctionnent. Je n'ai jamais abordé l'analyse non paramétrique de cette façon. Vous avez suivi les instructions correctement.
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Les données ne sont pas censées être normalement distribuées dans l'analyse de régression. Voulez-vous dire que les résidus (erreurs estimées) ne sont pas distribués normalement ?
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)J'ai décidé de faire un test non paramétrique car l'application du test de Shapiro-Wilk suggérait que mes données n'étaient pas distribuées normalement.
J'ai effectué les mesures répétées, mais je crains que, puisque mes données ne répondent pas à l'hypothèse de normalité, il y ait un risque accru d'erreurs de type 1.
La page que j'ai citée dit que le test de Friedman est la version non paramétrique des mesures répétées et que je devrais "Calculer les rangs dans chaque bloc. Définissez cette nouvelle colonne pour avoir un type de modélisation ordinal. Entrez les rangs en tant que Y dans la plateforme Fit Y by X. Entrez l'un des effets comme variable de blocage. Obtenir les statistiques Cochran-Mantel-Haenszel."
Donc, je ne devrais pas calculer les rangs à l'avance et utiliser simplement la variable continue plutôt qu'ordinale?
Merci pour ton aide!
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Je suggère d'essayer l'analyse des mesures répétées. Assurez-vous que vos données sont organisées en fréquence cardiaque, traitement, sujet et heure. Voir le Une approche multivariée exemple dans l'échantillon que j'ai cité.
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Les données ne sont ni paramétriques ni non paramétriques. Les données sont continues (mesure) ou catégorielles (comptage nominal ou ordinal). L'analyse est paramétrique ou non paramétrique.
Pourquoi avez-vous décidé d'utiliser une analyse non paramétrique ?
Si vous décidez de poursuivre l'analyse non paramétrique, sachez que JMP calcule les classements à partir de vos données. Ne calculez pas les rangs à l'avance et substituez les rangs aux données.
La page que vous avez citée concerne les comparaisons multiples non paramétriques. Est-ce ce dont vous avez besoin?
Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)Salut Mark,
Merci pour votre réponse. Mes données ne sont pas paramétriques, c'est pourquoi j'essayais d'effectuer le test de Friedman plutôt que l'analyse des mesures répétées.
Il y avait des instructions qui disaient d'effectuer un CMH sur les rangs pour le test de Friedman dans jmp.
https://www.jmp.com/support/help/14/nonparametric-multiple-comparisons.shtml
Si cela est incorrect, existe-t-il un moyen de continuer à effectuer le test ?Objet : Aide à l'interprétation des résultats du test de Freidman (Cochran-Mantel-Haenszel)La plateforme Contingency effectue une analyse par tabulation croisée. L'analyse est basée sur des comptages et non sur des classements. Les tests CMH introduisent une variable de stratification. Les quatre versions de CMH dépendent du type de modélisation des variables Y et X.
Vous devriez plutôt envisager une analyse de mesures répétées. Veuillez voir ceci note technique pour plus d'informations.
