Test de comparaisons multiples sur un Modèle Linéaire GénéraliséBonjour,
Je me demandais s'il était possible d'ajuster plusieurs comparaisons (par exemple avec le test de Tukey) après avoir créé un modèle linéaire généralisé à l'aide de l'option Ajuster le modèle. L’objectif serait de comparer un volume d’intérêt (variable continue) entre trois groupes de patients (variable de classe), après ajustement sur un tas d’autres covariables.
Lorsque je crée (ajuste) le modèle, les volumes entre les trois groupes semblent être significativement différents les uns des autres (comme le montrent les valeurs p rapportées sous les estimations des paramètres), mais je voulais appliquer une correction pour plusieurs comparaisons et assurez-vous que les associations significatives persistent. J'ai utilisé l'option "contraste" sous le triangle rouge, mais je n'étais pas très clair sur ce que représentaient les résultats rapportés.
Merci d'avance pour votre aide!
Meilleur,
Panos
Re : Test de comparaisons multiples sur un modèle linéaire généraliséLa méthode Ajuster les moindres carrés sonne bien dans ce cas !
Merci encore,
Panos
Re : Test de comparaisons multiples sur un modèle linéaire généraliséHeureux de vous aider. Vous n'aviez pas mentionné les covariables dans le premier message donc votre choix prend désormais tout son sens.
À propos, l'utilisation d'un GLM avec la distribution normale et la fonction de lien d'identité est la même que la régression des moindres carrés ordinaires avec le prédicteur linéaire. Vous aurez plus de choix de méthodes, telles que Tukey HSD, si vous utilisez plutôt Ajuster les moindres carrés.
Re : Test de comparaisons multiples sur un modèle linéaire généraliséSalut Mark,
Merci pour votre réponse rapide!
Je voulais utiliser l'option Ajuster le modèle plutôt que l'option Ajuster Y par X uniquement parce qu'il existe d'autres covariables pour lesquelles je voudrais/devais m'ajuster. De plus, la seule raison pour laquelle j'utilise le modèle linéaire généralisé est qu'un critique l'a suggéré pour cette analyse particulière. La distribution que j'utilise est "Normal" et la fonction de lien est "identité".
Merci également pour l'explication très claire sur le contraste ! Donc, juste pour être clair, l'option de contraste effectue l'analyse de comparaison multiple, n'est-ce pas ? Et devrais-je simplement le signaler comme "contrôle des erreurs de type 1 avec comparaisons multiples" ou cette correction particulière appliquée ici a-t-elle un nom spécifique (par exemple Tukey's, Bonferroni, etc.).
Merci encore pour toute l'aide!
Meilleur,
Panos
Re : Test de comparaisons multiples sur un modèle linéaire généraliséSi votre réponse est normalement distribuée, vous pouvez alors utiliser la plateforme bivariée (Analyser > Ajuster Y par X) avec le volume dans le rôle Y et le patient dans le rôle X. Le menu de la plateforme comprend un sous-menu Compare Means pour plusieurs méthodes de comparaison.
Quelle est la raison d’utiliser un GLM ? Quelle fonction de distribution et de liaison avez-vous utilisée ?
Le rapport de contraste n'est pas difficile à comprendre et à utiliser. Je l'illustre ici en utilisant l'exemple d'ensemble de données Grande classe et un GLM utilisant la fonction de distribution normale et de lien d'identité. j'ai testé hauteur contre âge . Ensuite, j'ai spécifié une série de comparaisons entre âge=12 et tous les autres âges séparément. Le résultat est:
Le bas du rapport est le point de départ. Le test du rapport de vraisemblance ( Chicarré LR ) est pour n'importe lequel contraste important. Cette statistique est votre contrôle des erreurs de type I avec des comparaisons multiples. Le résultat ici est significatif à alpha=0,05 donc nous concluons qu'au moins un contraste est significatif. Les contrastes individuels montrent que la taille moyenne pour l'âge = 12 n'est pas significativement différente de celle pour l'âge = 13 mais qu'elle est significative pour les autres âges.
REMARQUE : si vous sélectionnez l'outil d'aide ( ? ) et cliquez sur le rapport Contraste, vous serez redirigé vers une description complète de la méthode et une explication de l'interprétation.
