49318_de-DE

liliconcom

Multivariate Ordinal Logistic Fit: Werden p-Werte von Effekt-Wahrscheinlichkeitstests Typ 3-Fehlern zurückgegeben?

Hallo JMP Community,

 

Ich habe eine einfache ordinale logistische Anpassungsanalyse mit einer Nominalvariablen (Behandlung) und zwei kontinuierlichen Variablen (FACTOR A und FACTOR (siehe unten) durchgeführt.

Ein Kollege fragte mich, ob die von den Effekt-Likelihood-Ratio-Tests zurückgegebenen p-Werte Fehler vom Typ 3 anstelle von Fehlern vom Typ 1 sind. Aufgrund meines eingeschränkten Verständnisses von Typ 3-Fehlern bin ich nicht sicher, ob es richtig ist. Könnten Sie sich mit diesem Thema beschäftigen?

 

Effekt-Wahrscheinlichkeitsverhältnis-Tests

Quelle	Nparm	DF	LR ChiSquare	Prob> ChiSq
Behandlung	2	2	45.6793484	<.0001 *
FAKTOR A	1	1	0,03728633	0,8469
FAKTOR B	1	1	2.06649958	0,1506

 

Behandlung:

• Steuerung + MTX
• Medikament X + MTX
• Droge X alleine

FAKTOR A: kontinuierlicher Baseline-Biomarker A

FAKTOR B: kontinuierlicher Baseline-Biomarker B

Antwort: Ordinalzahl (0 - 1)

Vielen Dank,

Thierry

Betreff: Multivariate Ordinal Logistic Fit: sind p-Werte, die durch einen Fehler des Effekt-Wahrscheinlichkeitstests Typ 3 zurückgegeben werden

Ich vermute, dass Ihr Kollege über Typ I und Typ III Quadratsummen spricht. Die Summe der Quadrate des Typs I bedeutet, dass die Tests sequentiell sind. Dies bedeutet, dass die Reihenfolge Ihres Modells die Signifikanz beeinflusst. Typ III Quadratsumme bedeutet, dass alle Quadratsummen so berechnet werden, dass die Reihenfolge nicht wichtig ist. 

 

Ihre Analyse verwendet nicht die Summe der Quadrate, daher gibt es keinen Typ I oder Typ III, über den Sie sich Gedanken machen müssen. Um dies zu beweisen, können Sie Ihr Modell erneut anpassen, indem Sie die Reihenfolge der Terme ändern, um anzuzeigen, dass die p-Werte unabhängig von der Reihenfolge der Terme gleich bleiben.

Betreff: Multivariate Ordinal Logistic Fit: sind p-Werte, die durch einen Fehler des Effekt-Wahrscheinlichkeitstests Typ 3 zurückgegeben werden

Soweit mir bekannt ist, sind Fehler vom Typ III keine statistischen Ausdrücke - das heißt, es gibt keinen Hypothesentest, der diese Art von Fehler beleuchtet.  Es ist ein Fehler beim Finden eines Effekts, aber es liegt an einer anderen Ursache als der hypothetischen Ursache, die durch diese Variable dargestellt wird.  Daher hängt es stark von Kontext- und Sachwissen ab, das ich nicht für den Fall habe, den Sie beschreiben.  Ich denke, Ihr Kollege schlägt wirklich vor, dass die signifikanten p-Werte, die Sie gefunden haben, tatsächlich die Wirkung einiger anderer Variablen erfassen, als die, die Sie im Modell haben.