Korrelation mit nicht-normalen DatenHallo JMP-Community,
Ich habe eine Frage zu einigen Daten, die ich für ein Forschungsprojekt analysiere. Mein Projekt besteht aus einer Konsensbewertung von 0 bis 10 von mehreren Ärzten und mehreren Parametern, die mit einem Bildanalyseprogramm gemessen werden. Das Bildanalyseprogramm spuckt Parameter aus. Ich versuche, eine Korrelation zwischen einem der Parameter und der Konsensbewertung der Ärzte zu finden. Ich bin kein großer Statistik-Typ, habe aber eine gute Vorstellung davon, was ich tun möchte. Wenn Sie mir helfen könnten, mich zu überprüfen oder zu korrigieren, wäre das großartig. Das sind alles kontinuierliche Maßnahmen.
1. Ich möchte feststellen, ob diese Daten normal sind oder nicht. Wenn ich für jeden Parameter und die Konsens-Rangliste zur Verteilung gehe – > kontinuierliche Anpassung – > normal – > Güte der Anpassung –, sehe ich, dass keiner von ihnen normal ist. Möchte ich diese transformieren? Oder ist es in Ordnung, mit nicht normalen Daten zu analysieren? Ich habe versucht, einige Ausreißer zu entfernen, aber das machte es nicht unbedingt normal, und obwohl ich noch nie mit transformierten Daten gearbeitet habe.
2. Was wäre der beste Weg, um die Korrelation zu analysieren, sobald sie normal ist? Multiple lineare Regression? Multivariate Methoden?
Ich hoffe, dass das Sinn macht!
Danke
Betreff: Korrelation mit nicht-normalen DatenDie Wahl der statistischen Signifikanz liegt bei Ihnen. Das Kriterium eines P-Werts < 0,05 ist nicht allgemein akzeptabel.
Ja, die Statistiken, einschließlich der p-Werte eines beliebigen Termes, hängen von den anderen Termen im Modell ab. Deshalb ändern sie sich, wenn Sie einen Begriff hinzufügen oder entfernen. Aus diesem Grund empfehlen wir auch, jeweils einen Term zu entfernen (z. B. den als am wenigsten signifikant erachteten) und die neuen Modellschätzungen neu zu bewerten.
Ich denke, dass das Vorzeichen der Parameterschätzung Aufschluss darüber gibt, ob die Variable mit einem Anstieg oder Rückgang des Log-Odds-Ratio verbunden ist.
Betreff: Korrelation mit nicht-normalen DatenEntschuldigung, hier waren die Bilder.
Betreff: Korrelation mit nicht-normalen DatenDanke für die Antwort! Die Parameter sind kontinuierlich (z. B. Sauerstoffsättigungsniveaus).
Ich habe die von Ihnen beschriebene Methode angewendet und es scheint, als hätte ich die Ergebnisse erzielt, die ich brauche. Ich schätze, meine Verwirrung liegt darin begründet, dass ich mich schwach daran erinnern kann, wie ich Spearmans Rho und Kendals Tau bei der Analyse nicht normaler Daten durchgeführt habe, oder dass ich dachte, dass es unterschiedliche Anforderungen für die Durchführung der Regression gäbe.
Würde ich bei der von Ihnen erwähnten logistischen Regression die Ergebnisse mit P < 0,05 einfach als signifikant korreliert interpretieren? Wenn unbedeutende Merkmale entfernt werden, erhöht sich außerdem die Bedeutung für die anderen. Ich habe unten Bilder angehängt, die dies zeigen.
Wenn man versucht, die Korrelationsmerkmale zu bestimmen, also positiv oder negativ, r-Werte usw., ist es am besten, wenn man jeden Parameter im Verhältnis zur nominalen Reaktion in einem Y-mal-X-Diagramm betrachtet?
Nochmals vielen Dank für all deine Hilfe, Mark.
Betreff: Korrelation mit nicht-normalen DatenIch möchte sicher sein, dass ich Ihre Situation verstehe. Sie haben eine ordinale Antwort von 0-10. Bei der Bildanalyse werden mehrere „Parameter“ gemessen. Handelt es sich um kontinuierliche Messungen oder kategoriale Werte? Sie können die logistische Regression verwenden, um die Beziehung zu modellieren und zu testen. Sie definieren den linearen Prädiktor in diesem Fall auf die gleiche Weise wie für eine kontinuierliche Variable.
Wählen Sie Analysieren > Modell anpassen. Wählen Sie die Antwort aus und klicken Sie auf Y. Wählen Sie Datenspalten mit Bildanalyseparametern aus und klicken Sie auf Hinzufügen. (Ich gehe nur von additiven Effekten aus, aber wenn es Hinweise auf mangelnde Anpassung gibt, können Sie auch Begriffe für Interaktion und nichtlineare Effekte hinzufügen.) Klicken Sie auf „Ausführen“.
1. Was ist die Grundlage für die Anforderung der Normalität der Daten?
2. Logistische Regression.
