49318_it-IT

liliconcom

Adattamento logistico ordinale multivariato: i valori p restituiti dagli errori di probabilità di tipo 3 sugli errori di verosimiglianza?

Ciao JMP Community,

 

Ho eseguito una semplice analisi ordinale di adattamento logistico con una variabile nominale (trattamento) e due variabili continue (FATTORE A e FATTORE (vedi sotto).

Un collega mi ha chiesto se i valori di p restituiti dai test del rapporto di verosimiglianza dell'effetto sono errori di tipo 3 anziché errori di tipo 1. In base alla mia comprensione limitata dell'errore di tipo 3, non sono sicuro che sia corretto. Potresti far luce su questo argomento?

 

Test del rapporto di verosimiglianza dell'effetto

fonte	Nparm	DF	LR ChiSquare	Prob> ChiSq
trattamento	2	2	45.6793484	<.0001 *
FATTORE A	1	1	0.03728633	0,8469
FATTORE B	1	1	2.06649958	0,1506

 

Trattamento:

• Control + MTX
• Droga X + MTX
• Farmaco X da solo

FATTORE A: biomarcatore di riferimento continuo A

FATTORE B: biomarcatore di riferimento continuo B

Risposta: ordinale (0 - 1)

Grazie,

Thierry

Ri: Adattamento logistico ordinale multivariato: sono i valori p restituiti dall'errore di verosimiglianza. Errore di tipo 3

Immagino che il tuo collega stia parlando delle Somma dei quadrati di Tipo I contro Tipo III. La somma dei quadrati di tipo I indica che i test sono sequenziali, il che significa che l'ordine del modello fa la differenza sul significato. Somma di quadrati di Tipo III significa che tutte le somme dei quadrati sono calcolate in modo che l'ordine non sia importante. 

 

La tua analisi non sta utilizzando la somma dei quadrati, quindi non c'è tipo I o tipo III di cui preoccuparsi. Per dimostrarlo, puoi modificare il tuo modello modificando l'ordine dei termini per mostrare che i valori p rimangono gli stessi indipendentemente dall'ordinamento dei termini.

Ri: Adattamento logistico ordinale multivariato: sono i valori p restituiti dall'errore di verosimiglianza. Errore di tipo 3

Per quanto ne so, gli errori di Tipo III non sono un termine statistico - cioè, non esiste un test di ipotesi che faccia luce su questo tipo di errore.  È un errore nel trovare un effetto, ma è dovuto a una causa diversa rispetto alla causa ipotizzata rappresentata da quella variabile.  Pertanto, è fortemente dipendente dal contesto e dalla conoscenza della materia, cosa che non ho per il caso che stai descrivendo.  Penso che il tuo collega stia davvero suggerendo che i valori p significativi che hai trovato stanno davvero catturando l'effetto di alcune altre variabili rispetto a quello che hai nel modello.