Corrélation avec des données non normalesBonjour la communauté JMP,
J'ai une question sur certaines données que j'analyse pour un projet de recherche. Mon projet consiste en un classement consensuel de 0 à 10 provenant de plusieurs médecins et de plusieurs paramètres mesurés par un programme d'analyse d'images. Le programme d'analyse d'images crache des paramètres. J'essaie de trouver une corrélation entre l'un des paramètres et le classement consensuel des médecins. Je ne suis pas vraiment un spécialiste des statistiques, mais j'ai une bonne idée de ce que je veux faire. Si vous pouviez m'aider à vérifier ou à me corriger, ce serait formidable. Ce sont toutes des mesures continues.
1. Je souhaite déterminer si ces données sont normales ou non. Quand je vais à la distribution pour chacun des paramètres et aux classements consensuels -> ajustement continu -> normal -> qualité de l'ajustement, je vois qu'aucun d'entre eux n'est normal. Est-ce que je veux les transformer ? Ou est-il acceptable d'analyser avec des données non normales ? J'ai essayé de supprimer certaines valeurs aberrantes et cela n'a pas nécessairement rendu les choses normales, et alors que je n'ai jamais travaillé avec des données transformées.
2. Quelle serait la meilleure façon d’analyser la corrélation une fois qu’elle est normale ? La régression linéaire multiple? Méthodes multivariées ?
J'espère que cela a du sens !
Merci
Re : Corrélation avec des données non normalesLe choix de la signification statistique vous appartient. Le critère d’une valeur P < 0,05 n’est pas universellement acceptable.
Oui, les statistiques, y compris les valeurs p de n'importe quel terme, dépendent des autres termes du modèle. C'est pourquoi ils changent lorsque vous ajoutez ou supprimez un terme. C'est également pourquoi nous recommandons de supprimer un terme à la fois (par exemple, celui jugé le moins significatif) et de réévaluer les estimations du nouveau modèle.
Je pense que le signe de l'estimation du paramètre vous dira si la variable est associée à une augmentation ou une diminution du log odds ratio.
Re : Corrélation avec des données non normalesDésolé, voici les images.
Re : Corrélation avec des données non normalesMerci pour la réponse! Les paramètres sont continus (des éléments tels que les niveaux de saturation en oxygène).
J'ai suivi la méthode que vous avez décrite et il semble que j'ai obtenu les résultats dont j'ai besoin. Je suppose que ma confusion réside dans le fait que j'ai un léger souvenir d'avoir effectué le Rho de Spearman et le Tau de Kendal lors de l'analyse de données non normales, ou de penser qu'il y avait des exigences différentes pour exécuter la régression.
Lors de la régression logistique comme vous l'avez mentionné, devrais-je simplement interpréter les résultats avec P < 0,05 comme étant significativement corrélés ? De plus, lors de la suppression de fonctionnalités insignifiantes, l’importance des autres augmente. J'ai joint des images ci-dessous montrant cela.
Lorsque vous essayez de déterminer les caractéristiques de corrélation, c'est-à-dire positives ou négatives, les valeurs r, etc., est-il préférable d'examiner chaque paramètre par rapport à la réponse nominale sur un tracé Y par X ?
Merci encore pour toute votre aide, Mark.
Re : Corrélation avec des données non normalesJe veux être sûr de comprendre votre situation. Vous avez une réponse ordinale 0-10. Vous disposez de plusieurs « paramètres » mesurés en analyse d’image. S'agit-il de mesures continues ou de valeurs catégorielles ? Vous pouvez utiliser la régression logistique pour modéliser et tester la relation. Dans ce cas, vous définissez le prédicteur linéaire de la même manière que pour une variable continue.
Sélectionnez Analyser > Ajuster le modèle. Sélectionnez la réponse et cliquez sur Y. Sélectionnez les colonnes de données avec les paramètres d’analyse d’image et cliquez sur Ajouter. (Je suppose uniquement des effets additifs, mais s'il y a une indication de manque d'ajustement, vous pouvez également ajouter des termes pour l'interaction et les effets non linéaires.) Cliquez sur Exécuter.
1. Sur quoi repose l’exigence de normalité des données ?
2. Régression logistique.
