Wie bestimme ich den statistischen Unterschied in den Steigungen mit nicht normalen Daten?Grüße JMP-Community,
Ich arbeite derzeit mit einem Datensatz, der lineare Reaktionen (r2 reicht von 0,86 bis 0,99) der Schadstoffbelastung im Alter von 6 Personen enthält, wobei die Probenahme über ihre gesamte Lebensdauer erfolgt (Lebensspanne von 2 Jahren bis 30+). 4 der 6 Personen wohnten in derselben Region. Ich habe die Verteilungen mit Log(10), ln und zentrierten Daten aufgezeichnet, kann aber weder für Alter noch für Belastung eine Normalverteilung ermitteln. Gibt es eine vorgeschlagene Transformation oder einen Test, um festzustellen, ob die Steigungen zwischen den 6 Personen und zwischen Regionen statistisch unterschiedlich sind?
Ich habe einen Beitrag eines Mitarbeiters gefunden, der vorschlägt, dass eine Indikatorvariablen-Regression mit Interaktion verwendet wird, um Steigungen mehrerer linearer Anpassungen zu vergleichen. Ich bin mir jedoch nicht sicher, ob dieser Test mit nicht normalen Daten funktioniert. Außerdem reichen die Steigungen von 3 bis ~500, sodass ich ANCOVA nicht verwenden konnte, da die Steigungen nicht homogen sind. Ich freue mich darauf, von der Community zu hören und würde mich über jede Hilfe freuen.
Danke,
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Perfekt! Ich werde mit diesem Modell fortfahren. Danke noch einmal!
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Rechts. Ich denke, dass das Beste, was Sie tun können, darin besteht, das reduzierte Modell (Alter, ID, Alter*ID) und die darin bereitgestellten Tests zu verwenden. (Diese Option haben wir bereits behandelt.)
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Für zwei Personen gibt es nur sehr wenige Punkte. Wenn es einen alternativen Test gibt, lassen Sie es mich bitte wissen. Vielen Dank für all Ihre Hilfe!
ZWBetreff: Wie bestimme ich den statistischen Unterschied in den Steigungen mit nicht normalen Daten?Ich denke, dieses Ergebnis liegt daran, dass nicht alle ID-Ebenen über genügend Daten verfügen, um alle Begriffe höherer Ordnung zu erfüllen.
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Ich habe ID in dieses letzte Modell eingefügt und die Fehlermeldung „Warnung: Schlecht konditioniertes Regressionsproblem“ und die folgende Ausgabe erhalten. 
Nochmals vielen Dank für Ihre Hilfe,
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Ich denke, dass Ihre Schlussfolgerung trotz des leichten Musters in der restlichen Handlung fundiert und vertretbar ist.
Die neue Analyse mit den höheren Ordnungen sollte nur ID umfassen und mit jedem der Age-Begriffe gekreuzt werden. (Es tut mir leid, dass ich das vorher nicht klargestellt habe.)
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Solange ich mithilfe von ANCOVA mit 95-prozentiger Sicherheit sagen kann, dass meine Steigungen aufgrund des Standorts oder in diesem Fall der ID statistisch unterschiedlich sind, bin ich mit dem Originalmodell sehr zufrieden. Zur Sicherheit habe ich die Angaben „Alter*Alter“, „Alter*Alter*Alter“ und „Alter*Alter*Alter*Alter“ angegeben.
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Das beobachtete Muster im Diagramm „Residuum nach Vorhersage“ ist zunächst alarmierend, aber nach der Überprüfung kamen wir zu dem Schluss
- Sie könnten es nicht mit Termen höherer Ordnung beseitigen (obwohl wir zur Sicherheit vielleicht Alter*Alter, Alter*Alter*Alter und Alter*Alter*Alter*Alter ausprobieren sollten),
- es stellt eine kleine Abweichung vom Zufallsfehler dar (vergleichen Sie die Größe der Residuen mit der Größe der Reaktion oder untersuchen Sie das R-Quadrat) und
- Es scheint nur für eine ID-Ebene ein Problem zu sein.
Wie viel möchten Sie noch tun?
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Großartig! Zurück zum ursprünglichen Modell: Gibt es einen Teil des Modells, um den man sich Sorgen machen muss? Schlagen Sie außerdem einen Post-hoc-Test vor, um festzustellen, welche Steigungen sich voneinander unterscheiden? Ich habe die Originalausgabe mit Parameterschätzungen versehen, falls dies von Nutzen ist. Nochmals vielen Dank für Ihre Hilfe und schnelle Antwort. 
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Es scheint, dass das beste lineare Modell nur das enthält Alter , AUSWEIS , Und Alter * AUSWEIS Bedingungen.
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Entschuldigung für die verspätete Antwort. Ich habe das Modell wie gewünscht fertiggestellt. Vielen Dank für die Anleitung zum Kreuzen zusätzlicher Variablen in der Effekttabelle. Unten sehen Sie die Ausgabe mit den gewünschten Effekten. Nochmals vielen Dank für Ihre Hilfe.
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Sie sollten keine neue Datenspalte erstellen müssen, um diese Begriffe in das Modell einzugeben. Eingeben AUSWEIS , Alter , Und AUSWEIS * Alter wie vorher. Wählen Alter Und AUSWEIS * Alter in der Liste der Effekte. Wählen Alter in der Spaltenliste. Klicken Kreuzen .
Auf diese Weise können sich auch die statistischen Ergebnisse ändern. Ihr Weg führt unnötig vor Kollinearität . Zum Beispiel, Alter hängt zusammen mit Alter * Alter , Rechts? Die Kollinearität erhöht den Standardfehler der Schätzungen, verlängert die Länge der Konfidenzintervalle und verringert die T Verhältnis. Der zweite Weg zuerst zentriert die Prädiktoren (subtrahiert den Mittelwert), wodurch diese Kollinearität beseitigt wird. Bitte versuchen Sie es mit der zweiten Möglichkeit und berichten Sie über Ihre Ergebnisse.
Bezüglich des nichtzufälligen Musters im Restdiagramm wäre ich nicht allzu besorgt. Dies weist darauf hin, dass in Ihrem Modell eine Verzerrung vorliegt, aber die Größe der Verzerrung, etwa ±200, für eine Antwort bis zu 15.000, ist recht gering. Tatsächlich Ihr R Das Quadrat beträgt 0,999, daher gibt es nur eine geringe Abweichung. Ich denke, es kann für Ihren Zweck ignoriert werden.
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Ich habe Ihre Vorschläge eingefügt und die Ausgabe angehängt. Ich musste die Altersspalte (Alter->Alter) duplizieren, um die Interaktionen hinzuzufügen. Wenn dies zu einem Fehler führen würde, teilen Sie mir bitte mit, ob es eine empfohlene Methode zum ordnungsgemäßen Hinzufügen der Modelleffekte gibt. Nochmals vielen Dank für Ihre schnelle Antwort.
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Ich freue mich, dass Sie die Restanalyse aufgegriffen haben. Es ist einfach zu machen, aber viele Leute sehen es nicht. Sie sind im aktuellen Modell voreingenommen. Es gibt nichtlineare Änderungen in der Reaktion. Vielleicht nicht jedermanns Sache. Fügen Sie dem Modell jedoch Alter*Alter (dh X im Quadrat) und Alter*Alter * Individuum (Krümmung ist nicht für jedes Subjekt gleich) hinzu.
Hilft es?
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Mark Bailey,
Vielen Dank für die schnelle Antwort und für die Klarstellung, dass das beobachtete Y oder X nicht normal sein muss. Ich habe die Ausgabe anhand Ihrer Vorschläge eingefügt und festgestellt, dass das Alter der Person von Bedeutung ist. Ich habe die Modellausgabe unten eingefügt. Zur Verdeutlichung: Die Residuen des vorhergesagten Diagramms zeigen eine U-förmige und eine umgekehrte U-förmige Kurve und es gibt optisch kein zufälliges Muster. Ist das für dieses Modell akzeptabel?
Nochmals vielen Dank für die Antwort. Ich freue mich auf Ihre Antwort.
ZW
Betreff: Wie bestimme ich den statistischen Unterschied in Steigungen mit nicht normalen Daten?Warum ist die Normalität der Verteilungen wichtig? Die Normalitätsannahme in einem Regressionsmodell besteht darin, dass die bedingte Y-Verteilung normal ist und nicht das beobachtete Y oder X. Bei normalen Fehlern in der Antwort können Sie die Residuendiagramme aus der Regression verwenden.
Ihr Datensatz sollte Belastung (Y), Alter (X) und Person (X) umfassen. Die Last und das Alter sollten kontinuierliche numerische Daten sein. Der Wert „Individuum“ sollte nominal sein, Sie können jedoch auch einen numerischen oder zeichenhaften Wert verwenden.
Ihre Frage betrifft den statistischen Unterschied in den Steigungen. Genau dieses Ziel ist mit dem ANCOVA-Modell verfolgt. Die Modellbegriffe sollten „Alter“, „Individuell“ und „Alter*Individuell“ lauten. Der letzte gekreuzte Begriff testet die Signifikanz der verschiedenen Steigungen und ermöglicht Ihnen die Modellierung der einzelnen Unterschiede (z. B. Prediction Profiler).
