공변량을 어떻게 조정하나요?두 개의 집단으로 구성된 데이터 세트가 있습니다. 단변량 분석에서는 결과 차이(재원 기간, 연속 변수)가 있습니다. 그러나 기준 특성(질병의 심각도(지속성), 연령(지속성) 및 진단(범주형 변수)이 다름)에서는 유사하지 않습니다.
연령, 질병 중증도 및 진단에 따라 결과 변수를 어떻게 조정합니까?
Re: 공변량을 어떻게 조정하나요?JMP나 다른 소프트웨어의 성향 매칭에 대해 잘 모르겠습니다. 아마도 다른 커뮤니티 회원이 도움을 줄 수 있을 것입니다.
Re: 공변량을 어떻게 조정하나요?나는 그것이 그것을 설명한다고 생각합니다. 나는 결과에 만족한다
마지막 질문 하나 부탁드려요
이 전략은 사례와 통제의 성향 매칭을 수행하는 것과 어떻게 비교됩니까?
JMP에서는 성향 매칭이 불가능하고 SPSS나 R에서 해야 한다는 다른 토론글을 읽었는데... 그 맞습니까?
Re: 공변량을 어떻게 조정하나요?적절한 모델이 모든 차이를 만듭니다! 선택은 연구자의 재량에 따르지만 사전 지식, 이론적 기초, 대체 모델과의 객관적 비교, 모델 가정 평가를 바탕으로 해야 합니다.
모수 추정치는 분포 모수를 결정하기 위해 선형 조합에 사용됩니다. 자체적으로 해석하기 어려울 수 있습니다. 상단의 빨간색 삼각형을 클릭하고 프로파일러 > 프로파일러를 선택할 수 있습니다. 요인 수준을 변경하고 예측 반응의 변화를 확인할 수 있습니다.
적합성 부족에 대한 또 다른 생각이 있습니다. 흔히 발생하는 과분산 테스트는 볼 수 없습니다. 포아송 분포에는 단일 모수가 있습니다. 분포의 평균과 분산입니다. 개수의 실제 분포는 종종 평균보다 큰 분산을 나타냅니다. 과분산 검정 및 구간과 Firth 편향 조정 추정치에 대해 일반화 선형 모형을 선택하면 확인란이 표시됩니다. 이 두 가지 옵션을 모두 선택하는 것이 좋습니다.
그렇지 않으면 잠재적 교호작용 및 비선형 효과에 대한 항을 추가하는 것을 고려할 수 있습니다.
Re: 공변량을 어떻게 조정하나요?감사합니다. 나는 이익을 얻을 수 있는 다른 연구자들을 위해 공개 포럼에서 토론을 하는 것이 가장 좋다는 데 동의합니다. 여전히 인터넷에서 실제 데이터를 공유하는 것이 불편했습니다.
단지 다른 모델을 사용하여 비교함으로써 결과에 얼마나 많은 차이가 있을 수 있는지 깨닫는 것은 흥미롭고 눈이 번쩍 뜨이는 일입니다. 일반화 선형 모델을 사용하더라도 정규 분포와 포아시온 분포를 선택하면 차이가 있습니다. 이는 모델 의존성과 연구자 재량의 요소로 이어집니다.
차이가 크더라도 모수 추정치는 매우 낮습니다. 따라서 사례의 LOS는 대조군보다 0.05일 더 깁니다. 이는 임상적으로 관련된 차이가 아닙니다.
나를 가장 괴롭혔던 점은 이 모델을 사용하면 성별도 P 값이 0.001 미만이고 매개변수 추정치가 0.05로 입원 기간에 상당한 영향을 미친다는 것입니다. 성별과 체류 기간을 이변량으로 비교한 결과,
차이가 없습니다(그리고 차이가 있어야 하는 임상적 이유도 없습니다).
표준 최소 제곱 회귀와 비교하여 이 모델의 타당성에 대한 설명을 포함해야 합니다. 그리고 포아송 분포의 경우.
적합도 부족에 관해서는 우리가 측정하지 않았거나 측정할 수 없는 두 그룹을 혼란스럽게 할 수 있는 변수가 훨씬 더 많기 때문에 이는 예상되는 것이라고 생각합니다.
또 다른 우려는 모델의 변수가 완전히 독립적이지 않다는 것입니다. 질병의 심각도 점수에는 이미 진단 범주가 포함되어 있습니다.Re: 공변량을 어떻게 조정하나요?그쪽으로
Re: 공변량을 어떻게 조정하나요?우선, 우리는 모든 교환이 비공개 메시지가 아닌 토론 공간에서 이루어지는 것을 선호한다는 점을 설명하겠습니다. 왜? 유사한 질문이나 문제를 갖고 있는 커뮤니티의 다른 구성원이 해결책의 일부 또는 전부를 박탈당하기 때문입니다. 나는 때때로 문제의 성격이나 데이터가 개인 정보 보호 문제와 관련되어 공개적으로 게시될 수 없다는 것을 이해합니다.
귀하의 메시지에 따르면 회귀 결과는 고무적입니다! 잔차 플롯을 보여줄 수 있나요? 이 플롯은 추정치와 테스트를 왜곡시키는 하나 이상의 영향력 있는 관찰에 대한 질문에 대답하는 데 도움이 됩니다. 플롯은 적합도를 평가하는 데도 도움이 됩니다.
이탈도 테스트도 매우 중요합니다. 이 테스트는 적합도 부족에 대한 것입니다. 귀하의 모델은 편향되어 있으며 정확한 예측을 제공하지 않습니다. 이는 일반적으로 중요한 변수가 누락되었거나 비선형 효과를 해결하기 위한 용어가 누락되었음을 나타냅니다. 교차 용어(예: 성별*연령) 또는 검정력(예: 연령*연령)을 추가하는 것을 고려할 수 있습니다.
Re: 공변량을 어떻게 조정하나요?감사합니다
분석 영상을 보내드렸습니다
Re: 공변량을 어떻게 조정하나요?나는 포아송 로그 선형 회귀 모델이 일 수에 대해 합리적이라는 데 동의합니다. 더 나은 모델은 더 많은 중요성을 보여줄 것입니다. JMP의 회귀 결과를 공유할 수 있나요? 일부 정보는 추정치입니다. 나머지는 모델의 품질에 관한 것입니다. 모든 정보는 모델의 타당성을 평가하는 데 도움이 됩니다.
Re: 공변량을 어떻게 조정하나요?내 동료 중 한 명이 성격에 일반화된 선형 모델을 사용하고 로그 링크가 있는 포아송 분포를 선택하여 환자의 입원 기간 데이터를 비교할 것을 제안했습니다. 숙박 기간은 일수입니다. 일종의 카운트 데이터이므로 일수입니다.
이 모델은 매우 중요한 차이를 가져오므로 그 타당성에 대해 매우 의심하게 됩니다. 거의 모든 변수의 P 값은 0.0001 미만입니다. 기본 표준 최소 제곱 모델을 사용했을 때 모델에 더 많은 변수를 추가하면 사례와 제어 사이의 중요한 차이가 매우 빠르게 사라지지만 일반 선형 모델을 사용하면 매우 유의미하게 유지됩니다.
Re: 공변량을 어떻게 조정하나요?나는 귀하의 결론에 동의하고 싶지만 이는 분석 결과 귀하의 데이터가 모델 및 회귀 가정을 충족하는 것으로 나타나는 경우에만 해당됩니다. 중요한 연구인 것 같습니다. 연구를 설계하고 연구에서 수집된 데이터를 분석하는 데 주의를 기울여야 합니다. 이 분석은 단순한 t-test가 아니며, t-test도 그렇게 간단하지 않습니다.
연구에 대한 더 많은 정보를 공유할 수 있나요? 예를 들어 Fit Model에 대한 설정을 반복하되 강조 = 효과 활용을 확인하세요. Actual by Predicted 사진과 레버리지 도표 세트를 포함시켜주실 수 있나요? 또한, 예측별 잔차 플롯 또는 표준화된 잔차 플롯? 이러한 플롯은 분석이 괜찮은지 평가하는 데 큰 도움이 되며 자신감을 갖고 결론을 내릴 수 있습니다.
Re: 공변량을 어떻게 조정하나요?죄송합니다. 저는 통계학자가 아니라 임상의입니다. 아쉽게도 제가 일하는 곳에는 통계 전문가가 없어서 제가 직접 알아내야 합니다.
다시 도전 해 볼게요
사례 및 통제에 대한 회고적 데이터가 있습니다(치료 에스컬레이션 필요 여부). 비모수 Wilcoxon 테스트를 통해 Fit Y by X를 사용하면 이 두 그룹의 결과, 병원 입원 기간이 크게 다릅니다. (체류 기간이 더 긴 경우)
그러나 두 그룹은 유사하지 않으며 대조군은 질병의 심각도가 사례보다 훨씬 높습니다.
질병의 중증도 이상을 가진 환자는 입원 기간도 길어질 것으로 예상되므로, 질병의 중증도를 모델에 포함시키면 두 그룹의 입원 기간 차이가 더욱 커질 것으로 예상됩니다.
그러나 ICU 입원 기간을 Y로 사용하고 모델 효과에서 질병 점수와 사례/대조의 범주형 변수를 사용하는 적합 모델을 사용할 때. 다음과 같은 매개변수 추정치를 얻습니다.
절편 3.99 , 확률 >t < 0.0001
PIM 3 -0.17, 0.0039
케이스/컨트롤 -0.22 0.514
이를 통해 모델에 질병의 심각도를 포함시키면서 체류 기간과 관련하여 사례/대조군 간에 큰 차이가 없다고 가정합니다.
Re: 공변량을 어떻게 조정하나요?당신은 말이 안 돼요. " 사례와 대조군 사이의 결과 변수(ICU 입원 기간, 병원 입원 기간 및 인공호흡기 일수)에 대한 단변량 비교에서 매우 유의미한 차이가 있었습니다(P 값< 0.0001). 실제로 연령층과 질병의 심각도 점수에 차이가 있습니다. "는 일변량 비교가 아닙니다. 또한 왜 차이가 없을 것이라고 기대합니까?
회귀 모델의 가정 문제 외에도 차이점(예: 대조군의 질병 심각도 점수가 높음)을 쉽게 모델링해야 합니다. 실제로 차이가 클수록 효과가 더욱 중요해지고 모수 추정치가 더욱 중요해집니다.
"조정"이 무슨 뜻인지 모르겠습니다.
무슨 뜻인지 모르겠어요" 회귀 모델은 음수 부호를 고려하지 않습니다."
Re: 공변량을 어떻게 조정하나요?감사합니다. 이것이 가장 논리적인 방법입니다.
그러나 내가 얻은 결과가 올바른지 완전히 확신할 수 없습니다.
사례와 대조군 사이의 결과 변수(ICU 입원 기간, 병원 입원 기간 및 인공호흡기 일수)에 대한 단변량 비교에서 매우 유의미한 차이가 있었습니다(P 값< 0.0001). 실제로 연령층과 질병의 심각도 점수에 차이가 있습니다.
질병의 심각도 점수는 대조군에서 사례보다 높았습니다(대조군의 평균 점수는 2.5점, 사례의 -4.5점). 이는 대조군의 입원 기간이 더 길어야 함을 의미합니다. 그리고 질병의 심각도 점수를 조정하면 그 차이가 훨씬 더 두드러질 것입니다.
회귀모델은 마이너스 부호를 고려하지 않은 것으로 가정하고 있습니다. (덜 아픈 환자는 마이너스 점수를 받습니다.. 병이 심할수록 점수는 더 긍정적이 됩니다)
Re: 공변량을 어떻게 조정하나요?다중 회귀 모델에 추가 예측 변수로 공변량을 포함합니다.
분석 > 적합 모델을 선택합니다. 응답 데이터 열을 선택하고 Y를 클릭합니다. 예측변수/요인 및 공변량 데이터 열을 선택하고 추가를 클릭합니다. 이제 실행을 클릭하세요. 효과 테스트를 사용하여 각 용어의 중요성을 확인하세요. 모수 추정치를 사용하여 각 항의 중요성을 결정합니다. 빨간색 삼각형을 클릭하고 요인 프로파일링 > 프로파일러를 선택하여 각 예측 변수의 변화 기여도를 이해하고 반응에 대한 공변량을 계산합니다.
자세한 내용과 예제는 도움말 > 도서 > 선형 모델 피팅을 참조하세요.
