Mehrfachvergleichstest anhand eines verallgemeinerten linearen ModellsHallo,
Ich habe mich gefragt, ob es möglich ist, mehrere Vergleiche (z. B. mit dem Tukey-Test) anzupassen, nachdem mit der Option „Modell anpassen“ ein verallgemeinertes lineares Modell erstellt wurde. Das Ziel wäre, ein interessierendes Volumen (kontinuierliche Variable) zwischen drei Patientengruppen (Klassenvariable) zu vergleichen, nachdem eine Reihe anderer Kovariaten berücksichtigt wurden.
Wenn ich das Modell erstelle (anpasse), scheinen sich die Volumina zwischen den drei Gruppen erheblich voneinander zu unterscheiden (wie aus den unter den Parameterschätzungen angegebenen p-Werten hervorgeht), aber ich wollte eine Korrektur für mehrere Vergleiche anwenden und Stellen Sie sicher, dass die wesentlichen Assoziationen bestehen bleiben. Ich habe die Option „Kontrast“ unter dem roten Dreieck verwendet, war mir aber nicht ganz klar, was die gemeldeten Ergebnisse darstellen.
Vielen Dank im Voraus für jede Hilfe!
Am besten,
Panos
Betreff: Mehrfachvergleichstest auf einem verallgemeinerten linearen ModellDie Methode der kleinsten Quadrate anpassen klingt in diesem Fall großartig!
Danke noch einmal,
Panos
Betreff: Mehrfachvergleichstest auf einem verallgemeinerten linearen ModellFroh, dass ich Helfen kann. Sie haben die Kovariaten im ersten Beitrag nicht erwähnt, daher macht Ihre Wahl jetzt vollkommen Sinn.
Übrigens ist die Verwendung eines GLM mit der Normalverteilung und der Identitätsverknüpfungsfunktion dasselbe wie die gewöhnliche Regression der kleinsten Quadrate mit dem linearen Prädiktor. Sie haben eine größere Auswahl an Methoden, z. B. Tukey HSD, wenn Sie stattdessen „Kleinste Quadrate anpassen“ verwenden.
Betreff: Mehrfachvergleichstest auf einem verallgemeinerten linearen ModellHallo Mark,
Vielen Dank für Ihre prompte Antwort!
Ich wollte die Option „Modell anpassen“ anstelle der Option „Y nach Darüber hinaus verwende ich das verallgemeinerte lineare Modell nur deshalb, weil ein Rezensent es für diese spezielle Analyse vorgeschlagen hat. Die von mir verwendete Verteilung ist „Normal“ und die Verknüpfungsfunktion ist „Identität“.
Vielen Dank auch für die sehr klare Erklärung zum Kontrast! Um es klarzustellen: Die Kontrastoption führt die Mehrfachvergleichsanalyse durch, oder? Und sollte ich es einfach als „Kontrolle von Typ-1-Fehlern mit mehreren Vergleichen“ melden oder hat diese spezielle hier angewendete Korrektur einen bestimmten Namen (z. B. Tukey's, Bonferroni usw.)?
Nochmals vielen Dank für all die Hilfe!
Am besten,
Panos
Betreff: Mehrfachvergleichstest auf einem verallgemeinerten linearen ModellWenn Ihre Antwort normalverteilt ist, können Sie die bivariate Plattform (Analysieren > Y an X anpassen) mit Volumen in der Y-Rolle und Patient in der X-Rolle verwenden. Das Plattformmenü enthält ein Untermenü „Mittel vergleichen“ für mehrere Vergleichsmethoden.
Was ist der Grund für die Verwendung eines GLM? Welche Vertriebs- und Linkfunktion haben Sie genutzt?
Der Kontrastbericht ist nicht schwer zu verstehen und zu verwenden. Ich veranschauliche es hier anhand des Beispieldatensatzes Große Klasse und ein GLM unter Verwendung der Normalverteilung und der Identitätsverknüpfungsfunktion. Ich habe getestet Höhe gegen Alter . Dann habe ich eine Reihe von Vergleichen zwischen angegeben Alter=12 und alle anderen Altersgruppen separat. Das Ergebnis ist:
Der untere Teil des Berichts ist der Ausgangspunkt. Der Likelihood-Ratio-Test ( LR ChiSquare ) ist für beliebig deutlicher Kontrast. Diese Statistik dient zur Kontrolle von Typ-I-Fehlern mit mehreren Vergleichen. Das Ergebnis ist hier bei Alpha=0,05 signifikant, sodass wir daraus schließen, dass mindestens ein Kontrast signifikant ist. Die einzelnen Kontraste zeigen, dass sich die mittlere Körpergröße im Alter von 12 Jahren nicht signifikant von der im Alter von 13 Jahren unterscheidet, für die anderen Altersgruppen ist sie jedoch signifikant.
HINWEIS: Wenn Sie das Hilfe-Tool auswählen ( ? ) und klicken Sie auf den Kontrastbericht. Sie gelangen zu einer vollständigen Beschreibung der Methode und Erläuterung der Interpretation.
