Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Hola a todos,
Estoy realizando una prueba de Freidman en un conjunto de datos. Los datos prueban los efectos de un tratamiento y consisten en 10 sujetos. A cada sujeto se le midió la frecuencia cardíaca (FC) seis veces durante un período de 6 horas. Para realizar la prueba, guardé los rangos de recursos humanos (ordinales) y los configuré como Y en el ajuste Y por X, los sujetos como 'Bloque' y la 'Hora' como X. Este es el resultado de las pruebas de Cochran-Mantel-Haenszel, pero tengo dificultades para interpretarlas. ¿Existe un efecto significativo a pesar de que la correlación de puntuaciones es mucho mayor que 0,05?Además, si los resultados muestran que hay cambios significativos inducidos por el tratamiento, ¿es apropiado realizar una prueba de todos los pares de Steel-Dwass en los datos nominales como una prueba post hoc?
¡Gracias por tu ayuda!
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Gracias por las explicaciones y ayuda con este análisis. ¡Es de mucha ayuda!Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Genial, muchas gracias por tu explicación. Es de mucha ayudaRe: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Los residuales no proporcionan una mejor estimación de la normalidad. Proporcionan una evaluación más relevante.
La respuesta (frecuencia cardíaca) se modela como una combinación de efectos fijos (tratamiento, tiempo) y efectos aleatorios (sujetos, errores). La regresión de mínimos cuadrados ordinarios utiliza un predictor lineal para los efectos fijos (respuesta media) y la distribución normal para los efectos aleatorios (varianza de respuesta). La respuesta se modela como la combinación, por lo que los datos no se pueden usar para evaluar la normalidad de la parte aleatoria. Primero se deben eliminar los efectos fijos. Los residuos son la respuesta observada (combinación) menos la respuesta media (efectos fijos) para cada observación. El resto (residual) debiera ser la parte aleatoria. Guarde los residuos y examine su distribución antes de decidir que necesita un análisis no paramétrico.
Además, muchas veces, cuando los residuos no son normales, una transformación de Y puede hacerlos normales. Esta técnica le permite utilizar el análisis de medidas repetidas en una clase más amplia de experimentos.
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)La mayoría de los estadísticos que conozco no toman la prueba de Shapiro-Wilk demasiado en serio, ya que puede ser ridículamente demasiado sensible, especialmente para muestras de gran tamaño.Muchas cosas que fallan en Shapiro-Wilk son lo suficientemente normales como para funcionar bien con métodos paramétricos que asumen la normalidad.Siempre recomiendo mirar el diagrama de cuantiles normal y usar buen juicio.
Además, debe verificar absolutamente la normalidad en derechos residuales de autor .Si tiene algún efecto en sus datos, es probable que la totalidad de los datos no se vea normal.La suposición gira en torno a los errores, no a los valores de los datos sin procesar.Imagínese si su modelo es de 2 grupos donde hay un efecto de grupo grande.Cada grupo puede tener una distribución normal, pero todo el conjunto de datos se verá bimodal.
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)No miré los residuos. Más bien, apliqué la prueba de bondad de ajuste de Shapiro-Wilks a los datos al analizar la distribución. ¿Observar los residuos proporcionaría una mejor estimación de la normalidad?
Gracias por confirmar que las instrucciones de análisis eran correctas. Entonces, si mi enfoque fue correcto, ¿hay un efecto significativo aunque la correlación de puntajes sea mucho mayor que 0.05? (como pedí originalmente)
¡Gracias de nuevo por tu ayuda!Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Veo por qué funcionan los rangos. Nunca me había acercado al análisis no paramétrico de esta manera. Estabas siguiendo las instrucciones correctamente.
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)No se supone que los datos se distribuyan normalmente en el análisis de regresión. ¿Quiere decir que los residuos (errores estimados) no se distribuyen normalmente?
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Decidí hacer una prueba no paramétrica porque la aplicación de la prueba de Shapiro-Wilk sugirió que mis datos no se distribuyen normalmente.
He realizado las medidas repetidas, pero me preocupa que, dado que mis datos podrían no cumplir con el supuesto de normalidad, existe una mayor probabilidad de errores de tipo 1.
La página que cité dice que la prueba de Friedman es la versión no paramétrica de las medidas repetidas y que debería "Calcular los rangos dentro de cada bloque. Defina esta nueva columna para que tenga un tipo de modelado ordinal. Ingrese los rangos como Y en la plataforma Fit Y by X. Introduzca uno de los efectos como variable de bloqueo. Obtenga las estadísticas de Cochran-Mantel-Haenszel".
Entonces, ¿no debería calcular los rangos de antemano y solo usar la variable continua en lugar de la variable ordinal?
¡Gracias por tu ayuda!
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Sugiero probar el análisis de medidas repetidas. Asegúrese de que sus datos estén organizados como Frecuencia cardíaca, Tratamiento, Sujeto y Hora. Ver el Un enfoque multivariado ejemplo en la muestra que cité.
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Los datos no son ni paramétricos ni no paramétricos. Los datos son continuos (medición) o categóricos (recuento nominal u ordinal). El análisis es paramétrico o no paramétrico.
¿Por qué decidiste utilizar un análisis no paramétrico?
Si decide continuar con el análisis no paramétrico, sepa que JMP calcula las clasificaciones a partir de sus datos. No calcule los rangos de antemano y sustituya los rangos por los datos.
La página que citó trata sobre comparaciones múltiples no paramétricas. Es eso lo que necesita?
Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)Hola, Mark,
Gracias por su respuesta. Mis datos no son paramétricos, por eso estaba tratando de realizar la prueba de Friedman en lugar del análisis de medidas repetidas.
Había instrucciones que decían realizar un CMH en rangos para la prueba de Friedman en jmp.
https://www.jmp.com/support/help/14/nonparametric-multiple-comparisons.shtml
Si esto es incorrecto, ¿hay alguna manera de que aún pueda realizar la prueba?Re: Ayuda para interpretar los resultados de la prueba de Freidman (Cochran-Mantel-Haenszel)La plataforma de contingencia realiza un análisis de tabulación cruzada. El análisis se basa en conteos, no en rangos. Las pruebas CMH introducen una variable de estratificación. Las cuatro versiones de CMH dependen del tipo de modelado de las variables Y y X.
Debería considerar un análisis de medidas repetidas en su lugar. por favor mira esto nota tecnica para más información.
