Difficile distribuzione dei dati: metodo di analisi appropriato e / o trasformazione?Ciao comunità JMP,
Devo analizzare la relazione tra i livelli di biomarcatore (normalmente distribuito) e un endpoint clinico che è fortemente distorto verso 0 con un numero relativamente basso di punti da 0 (vedi sotto).
In sostanza, se utilizzo questi dati clinici come variabile continua nella piattaforma del modello di adattamento, i miei residui non vengono distribuiti normalmente.
Ho provato alcune ovvie trasformazioni (ad es. Radice cubica) ma ciò non risolve il mio problema
Quale sarebbe la trasformazione e / o il metodo appropriati che potrei usare per analizzare questi dati?
Grazie per l'aiuto.
TS
Ri: Difficile distribuzione dei dati: metodo di analisi appropriato e / o trasformazione?La piattaforma di distribuzione potrebbe essere in grado di aiutarti a capire quale distribuzione hai e come trasformare i dati. Nella piattaforma di distribuzione, vai al trangle rosso e seleziona
Adattamento continuo ==> Tutto
JMP determinerà quale distribuzione si adatta meglio ai tuoi dati e, se possibile, ti fornirà una trasformazione.
Ri: Difficile distribuzione dei dati: metodo di analisi appropriato e / o trasformazione?Non posso dirlo dalla tua descrizione, ma sembra che la maggior parte delle osservazioni abbia 0 come fattore clinico che stai cercando di spiegare. In realtà è 0, quindi sembra che la maggior parte delle persone non abbia affatto questo esito clinico, mentre numeri relativamente piccoli hanno esiti positivi e negativi (di vario grado). In tal caso, potresti provare a cambiare la variabile di risposta in una variabile nominale che indica un risultato negativo, positivo o zero. Se il focus è sulla dimensione di queste deviazioni da zero, allora puoi (se hai molti dati) provare un processo in due fasi: prima prevedere la categoria negativa, 0, positiva, e quindi subordinata a un risultato diverso da zero, provare per prevedere la dimensione della discrepanza (se si utilizzano valori assoluti per la discrepanza, è possibile utilizzare una trasformazione del registro).
In ogni caso, un ulteriore contesto sulla natura della variabile clinica sarebbe utile per sollecitare idee.
Ri: Difficile distribuzione dei dati: metodo di analisi appropriato e / o trasformazione?Non sono chiaro sull'obbligo di distribuire normalmente i dati. La risposta dovrebbe essere normalmente distribuita condizionata sul predittore lineare. Solitamente valutiamo questo presupposto, tra gli altri, esaminando la trama dei residui rispetto alla risposta prevista. Cosa mostra la trama residua?
Inoltre, la trama residua è una guida migliore verso una trasformazione, se necessario.
Infine, Fit Least Squares fornisce un comando per eseguire la trasformazione Box-Cox sulla risposta. È una funzione di alimentazione generalizzata che di solito ha successo.
Ri: Difficile distribuzione dei dati: metodo di analisi appropriato e / o trasformazione?Grazie per il tuo suggerimento. Come hai indovinato correttamente, i dati sono composti da una maggioranza di valori 0 reali più una minoranza di valori diversi da 0.
I migliori saluti,
TSRe: Difficile distribuzione dei dati: metodo di analisi appropriato e/o trasformazione?Caro Marco,
Grazie per il tuo feedback. Come ho accennato nel mio post iniziale, il residuo prodotto dal Fit Least Square non era chiaramente distribuito normalmente, con una distribuzione simile a quella dei dati che ho mostrato in precedenza.
Da notare, ho provato ad applicare la Trasformazione Box-Cox ma non può essere condotta come tale a causa di 0 e valori negativi.
I migliori saluti,
TS
