어려운 데이터 배포 : 적절한 분석 방법 및 / 또는 변환?안녕 JMP 커뮤니티,
나는 바이오 마커 레벨 (정상적으로 분포)과 임상 적 종말점 사이의 관계를 분석 할 필요가있다.
필자가 Fit Model 플랫폼에서이 임상 데이터를 연속 변수로 사용하면 내 잔차가 정상적으로 배포되지 않습니다.
몇 가지 명백한 변형 (예 : 큐브 루트)을 시도했지만 문제가 해결되지 않습니다.
이 데이터를 분석하는 데 사용할 수있는 적절한 변환 및 / 또는 방법은 무엇입니까?
도와 줘서 고마워.
TS
재 : 어려운 데이터 배포 : 적절한 분석 방법 및 / 또는 변환?배포판은 보유한 배포본과 데이터를 변환하는 방법을 파악하는 데 도움을 줄 수 있습니다. 배포 플랫폼에서 빨간색 줄무늬로 이동하여
연속 맞추기 ==> 모두
JMP는 귀하의 데이터에 가장 적합한 배포판을 결정하고, 가능하다면 변환을 제공 할 것입니다.
재 : 어려운 데이터 배포 : 적절한 분석 방법 및 / 또는 변환?나는 당신의 설명으로는 말할 수 없지만, 대부분의 관찰이 당신이 설명하려고하는 임상 적 요인으로 0 인 것처럼 보입니다. 실제로 0 인 경우, 대부분의 사람들은이 임상 결과를 전혀 얻지 못하는 반면 상대적으로 적은 숫자는 긍정적 인 결과와 부정적인 결과를 나타냅니다. 이 경우 응답 변수를 음수, 양수 또는 0 결과를 나타내는 공칭 변수로 변경해보십시오. 초점이 0에서 벗어난 이러한 편차의 크기라면 2 단계 프로세스를 시도해 볼 수 있습니다. 먼저 음수, 0, 양수 범주를 예측 한 다음 0이 아닌 결과에 조건부를 불일치의 크기를 예측할 수 있습니다 (불일치에 절대 값을 사용하는 경우 로그 변환을 사용할 수 있음).
어쨌든, 임상 변수의 본질에 대한 몇 가지 추가적인 맥락은 아이디어를 구하는 데 도움이 될 것이다.
재 : 어려운 데이터 배포 : 적절한 분석 방법 및 / 또는 변환?데이터가 정상적으로 배포되어야한다는 요구 사항이 명확하지 않습니다. 응답은 선형 예측자를 조건으로 정규 분포되어야합니다. 우리는 대개 잔차와 예측 된 응답의 관계를 조사하여이 가정을 평가합니다. 잔류 플롯은 무엇을 보여줍니까?
또한 잔차 플롯은 필요한 경우 변환에 대한 더 나은 지침입니다.
마지막으로 Fit Least Squares는 응답에 Box-Cox 변환을 수행하는 명령을 제공합니다. 이것은 일반적으로 성공하는 일반화 된 힘 함수입니다.
재 : 어려운 데이터 배포 : 적절한 분석 방법 및 / 또는 변환?귀하의 제안에 감사드립니다. 데이터를 올바르게 추측 했으므로 대부분의 실제 0 값과 0에서 벗어난 소수 값으로 데이터가 구성됩니다.
친애하는,
TSRe : 어려운 데이터 배포 : 적절한 분석 방법 및 / 또는 변환?마크에게,
의견을 보내 주셔서 감사합니다. 초기 게시물에서 언급했듯이 Fit Least Square에 의해 생성 된 잔차는 이전에 보여준 데이터의 분포와 유사한 분포로 분명히 정규 분포가 아닙니다.
참고로 Box-Cox Transformation을 적용하려고했지만 0과 음수 값으로 인해 그렇게 할 수 없습니다.
친애하는,
TS
