Variabili continue nidificate all'interno di una variabile categoriale?Salve, sono nuovo in JMP e non sono sicuro di come modellare i miei dati, quindi qualsiasi suggerimento sui passaggi da eseguire sarebbe molto apprezzato!! Mi scuso in anticipo per la mia conoscenza molto limitata di statistica.
Ho un set di dati con una variabile categoriale (donatore) e due parametri unici per ciascun donatore che sono continui (età e BMI). Vorrei vedere come le diverse variabili di risposta (anche continue, ad es. crescita cellulare, ecc.) sono influenzate dall'età e dal BMI del donatore e se esiste un'interazione tra età e BMI nel determinare le risposte. Come faresti per farlo? Per farlo ho utilizzato il modello di adattamento, inizialmente con donatore, età e BMI come input separati. Sembrava che i risultati spiegassero solo le differenze tra i donatori e non chiarissero gli effetti dell’età e del BMI. Quando ho utilizzato il modello di idoneità con solo età e BMI (donatore escluso come fattore), i risultati hanno mostrato regressioni con gli effetti sia dell'età che del BMI. Quindi sembra che ci siano due modi per modellarlo; uno in cui posso segnalare quali donatori sono significativamente diversi tra loro per ciascuna risposta e uno in cui posso segnalare gli effetti dell'età e del BMI su ciascuna risposta. Non sono sicuro di dover utilizzare il pulsante a forma di croce nel secondo modello per osservare gli effetti di interazione tra età e BMI. Inoltre, non so come modellare tutte e 3 le variabili indipendenti contemporaneamente. È necessario annidare l'età e il BMI nel donatore? La pagina di supporto per l'opzione nidifica dice che i termini nidificati devono essere categorici.
Grazie mille, ogni feedback è molto apprezzato!!
Ri: Variabili continue nidificate all'interno di una variabile categoriale?Angie,
Mi spiace, non sono sicuro di poterti aiutare senza capire la situazione. Pensavo avessi inviato dati falsi, ma la situazione era reale... mi scuso. Ho alcuni ulteriori punti riguardo alle tue risposte (se mi permetti).
1. Con "il tuo alfa è 0,05" intendi il rischio alfa? Viene utilizzato per la significatività statistica. Mi sto interrogando sul significato pratico. Questo è SEMPRE più importante di quello statistico, perché la significatività statistica dipende dai dati, da come li hai acquisiti e dai confronti che fai.
2. Non per essere bellicoso, ma far eseguire il test in laboratorio non lo rende "buono". Ho molti esempi di misurazioni di laboratorio che non sono state in grado di rilevare ciò che avrebbero dovuto rilevare. Disponete di dati a supporto della precisione dei test? Se è così, procedi assolutamente.
3. L'ambientazione dell'esperimento è in laboratorio? Su quale spazio di inferenza speri di trarre conclusioni? Le conclusioni verranno tratte dalle "condizioni" esterne al laboratorio? Se è così, procedi con cautela. Ti consigliamo di assicurarti che i risultati possano essere applicati all'area interessata. Ancora una volta, il mio consiglio è limitato in quanto dipende dalla situazione reale.
OK, hai 3 "punti dati" per ciascuna combinazione di trattamenti. La domanda è: come sono stati ottenuti? (Sto attento a come chiamare queste 3 misure poiché persone diverse usano un linguaggio diverso per descriverle). Alcune indicazioni, se vengono acquisiti i "punti dati". senza cambiando le combinazioni di trattamento, in genere non sono considerati eventi indipendenti e quindi non aumentano i gradi di libertà nello studio (io li chiamo ripetizioni). Il motivo per cui variano non può essere assegnato ai trattamenti (fattori) perché questi erano "costanti" quando sono stati presi i 3 punti dati, quindi il motivo per cui questi valori variano è dovuto a variabili che cambiano in un breve periodo di tempo, rumore a breve termine (ad esempio, errore di misurazione). È possibile, in questo caso, osservare la variazione all'interno del trattamento (funziona graficamente) e quindi determinare le statistiche riassuntive corrette (ad esempio, media, varianza, intervallo...) che diventano le Y da modellare.
Se i 3 punti dati sono effettivamente eventi indipendenti, allora possono essere considerati repliche, che aumentano la disponibilità dei DF. Spesso il consiglio è di eseguire repliche randomizzate poiché ciò fornisce, si spera, una stima imparziale dell'errore sperimentale da utilizzare nei test statistici. Aumenta anche lo spazio di inferenza e forse fornisce alcuni DF "non assegnati" per aggiungere covariate. Secondo me, t Esistono altri modi più efficienti ed efficaci per aumentare lo spazio di inferenza, assegnare l'effetto del rumore, partizionare il rumore e quindi aumentare la precisione del progetto (rilevamento degli effetti fattoriali), creare progetti robusti, ecc. (RCBD, BIB, split-plot , eccetera.)
4. Non sono sicuro di quello che stai dicendo qui, ma la selezione delle variabili di risposta è fondamentale. Quanto più continua è la variabile di risposta, tanto più efficiente ed efficace è possibile comprendere le relazioni tra fattori. Suggerisco sempre di misurare quanto più possibile, filmare l'esperimento, registrare suoni, ecc. Non si sa mai quando una nuova variabile di risposta porta alla scoperta. Certamente se il problema è di variazione, dovresti avere una variabile di risposta che quantifichi la variazione (ad esempio, deviazione standard, varianza, intervallo, ecc.).
5. Sono disponibili numerosi consigli riguardanti la selezione dello strumento corretto e il numero di campioni necessari. Il mio consiglio è di iniziare con un elenco di domande (ad esempio, a quali domande vuoi rispondere? Quali ipotesi hai riguardo alle variabili dipendenti e indipendenti? Come verranno misurati i fenomeni?, ecc.). Una volta compresa la situazione, quali tipi di dati sono disponibili, quali effetti si desidera stimare, quali risorse sono disponibili e qual è il senso di urgenza, ecc. è possibile progettare lo studio (piano di campionamento, esperimento, ecc.). Semplificherò eccessivamente... i gradi di libertà sono la quantità di informazioni che hai nel set di dati. Con il set di dati che mi hai inviato (dove c'erano una serie temporale), avevi 15 punti dati quindi hai 14 gradi di libertà totali. Ogni fattore ha più gradi di libertà (ad esempio, il donatore ha 4, la piuma della coda 4, il conteggio delle piume del racconto 4) e quindi si hanno interazioni (moltiplicare i fattori DF). Come puoi immaginare, il numero di gradi di libertà per i soli fattori ammonta a 12 gradi di libertà, quindi non ci sono abbastanza DF per stimare le interazioni. La regola è che hai bisogno di abbastanza DF per stimare o confrontare ciò che vuoi stimare o confrontare. (mi dispiace, il numero di DF di cui hai bisogno dipende completamente dalla situazione). Concluderò con una parafrasi di uno dei miei autori DOE preferiti (Cuthbert Daniels):
I difetti più comuni nel DOE sono:
- Sovrasaturazione: troppi effetti per il numero di trattamenti. (questo è il tuo problema)
- Iperconservatività: troppe osservazioni per le stime desiderate
- Mancato studio dei dati per valori errati
- Mancata considerazione di tutti gli aliasing
- Imprecisione dovuta a un'errata comprensione della varianza dell'errore.
Questo è tutto quello che ho per ora. Grazie per avermi assecondato. Fammi sapere se posso esserti di ulteriore aiuto.
Ri: Variabili continue nidificate all'interno di una variabile categoriale?CIAO @statman ,
1. Il mio valore alfa è 0,05
2. Ho molta fiducia nei sistemi di misurazione (tutti i test qualificati in laboratorio)
3. Per questo esempio fittizio, non ero sicuro di come ottenere repliche per ciascun donatore, quindi ho detto solo 3 anni, ma l'esperimento reale è stato condotto in un laboratorio, tutte le misurazioni sono state effettuate contemporaneamente e le stesse condizioni per ciascun donatore, quindi non vi è alcuna variazione dovuta al tempo
4. Forse possiamo cambiarlo per indicare il conteggio delle uova? L'esperimento vero e proprio non ha nulla a che fare con gli uccelli o le uova: stavo solo cercando di trovare un'altra variabile dipendente.
5. Fa schifo. Avevamo solo materiali per 15 campioni diversi. È una regola statistica che dovresti avere almeno 3 df?
6. Il tempo non era realmente un fattore (come nel punto 3 - facciamo solo finta che fossero tutte vere repliche)
7. Sembra buono.
Grazie!!
Ri: Variabili continue nidificate all'interno di una variabile categoriale?Angelica,
Grazie per la spiegazione. Ecco alcuni commenti/domande:
1. Qual è il significato pratico di ogni Y? Quanto cambiamento in ciascuna Y vuoi/hai bisogno di rilevare (o è di interesse scientifico)?
2. Quanto hai fiducia nei sistemi di misurazione?
3. La lunghezza e il conteggio delle penne della coda sono costanti di anno in anno?
4. Hai la Y della dimensione media delle uova, qual è la variazione nella dimensione delle uova? È un peso o una dimensione?
5. Hai selezionato di proposito i donatori in modo che siano diversi in base alle 3 caratteristiche elencate (lunghezza delle piume, numero di piume e peso alla nascita). Queste caratteristiche vengono confuse con il donatore. Non disponi di dati sufficienti per modellare le 3 caratteristiche del donatore. (2 gradi di libertà dai 3 anni) e avresti bisogno di almeno 3 DF per modellare solo gli effetti principali delle 3 caratteristiche.
6. Potresti guardare i dati graficamente. Sarebbero utili i grafici della variabilità nel tempo.
7. Potresti esaminare l'effetto che il donatore ha sugli Y, ma non ci sono dati sufficienti per modellare i fattori del donatore.
Ri: Variabili continue nidificate all'interno di una variabile categoriale?CIAO @statman , grazie mille per tutte le informazioni! In allegato la tabella con i dati falsi.
Lo scenario: ci sono 5 "donatori", tutti uccelli. I donatori vengono osservati una volta all'anno per 3 anni consecutivi, nel tentativo di ottenere misurazioni triplicate per ciascuno dei 5 donatori. La lunghezza della piuma della coda, il numero della piuma della coda e il peso alla nascita sono tutti unici per ciascun donatore. Si presume che la lunghezza e il numero di penne della coda abbiano un impatto su vari parametri di successo dell'accoppiamento, quindi i cinque uccelli vengono selezionati in base a combinazioni di: penne della coda corte e numero di penne alto, penne della coda corte e numero di piume basso, penne di media lunghezza e penne medie. numero di piume, penne della coda lunga e basso numero di piume, code lunghe e alto numero di piume. Vogliamo vedere se il numero di figli, il numero di accoppiamenti e la dimensione delle uova variano in base al donatore e come ciascuna variabile varia in base alla lunghezza delle penne della coda, al numero di penne e al peso alla nascita. Inoltre, se c'è qualche interazione tra gli input. Speriamo che questa sia un'ipotesi adeguata...
Ri: Variabili continue nidificate all'interno di una variabile categoriale?Angelica,
Non ho visto la tua tabella dati "falsa" allegata. C'è molto di cui discutere. Alcune cose da considerare:
A quali domande puoi rispondere, quali conclusioni puoi trarre, quali strumenti dovresti utilizzare per l'analisi e la tua capacità di estrapolare i risultati dipendono TUTTO completamente da come hai ottenuto i tuoi dati. Non lo so dai tuoi post (questo è parte del motivo per cui volevo vedere i dati... puoi codificare i dati come preferisci).
Dato che hai più donatori (non so quanti?), potresti utilizzare il modello di adattamento dell'età e del BMI IN BASE AL donatore. Questo ti porterà almeno a pensare se i tuoi risultati possono essere estrapolati per un'inferenza più ampia (più donatori). Quanto bene i risultati dell'analisi si ripetono tra i donatori?
Non sono sicuro di come hai rimosso i termini dal modello. Mentre lo fai, ci sono alcune statistiche che possono essere utili (guida generale).
- Il delta tra R-quadrato e R-quadrato modificato, se è grande, hai specificato troppo il modello.
- RMSE, più piccolo è il modello migliore
- Residui (come hai osservato). Quindi "ci piace" NID(0, Variance), questo ha senso... quindi se non sono distribuiti normalmente, dovresti chiederti perché. Tracciateli in serie temporali. Ipotizzare perché non lo sono.
Ri: Variabili continue nidificate all'interno di una variabile categoriale?Passando ad un'altra nota...ho anche difficoltà a determinare l'adeguatezza di un modello. Se i residui di una regressione non sembrano avere una distribuzione normale, il modello dovrebbe essere attualizzato? Grazie.
Ri: Variabili continue nidificate all'interno di una variabile categoriale?CIAO @statman .Grazie per il chiarimento sulla natura del nidificazione e il tuo pensiero sul mio problema. Non posso condividere i dati poiché si tratta di informazioni proprietarie. Tuttavia, posso condividere un set di dati completamente fabbricato che non è totalmente correlato ma trasmette lo stesso problema con cui sono alle prese. Hai sicuramente ragione riguardo alle variabili confondenti: è impossibile separare l'età e il BMI dal donatore, e penso che questo sia il motivo per cui l'output era strano quando li ho aggiunti tutti e tre al modello. Ho eseguito di nuovo il modello di adattamento solo con l'età e il BMI (donatore escluso), e l'età incrociata con il BMI, e ho saturato il modello come hai suggerito con tutti gli altri input che potrebbero ottenere una risposta. Ho rimosso tutti quelli che non erano significativi e ho potuto osservare l'interazione tra età e BMI nel determinare i loro effetti su ciascuna risposta. Ciò sembra appropriato nell'osservare la relazione tra età e BMI per ciascuna risposta, ma ora non sono sicuro di dover confrontare donatore e ciascuna risposta in un modello separato per determinare quali donatori sono significativamente diversi l'uno dall'altro per ciascuna risposta. Il primo modello con tutti e 3 gli input mi ha fornito i risultati per un'ANOVA, ma non mi dà la possibilità di eseguire un test Tukey, mentre l'esecuzione del donatore come unico input lo fa. Ritieni che sia necessario eseguire due analisi separate per esaminare gli effetti di tutti e 3 gli input? Per favore fatemi sapere se desiderate uno stupido set di dati falso. Grazie mille per tutto il tuo aiuto!
Ri: Variabili continue nidificate all'interno di una variabile categoriale?Ho pensato un po' di più alla tua situazione... mi sembra che l'età e il BMI siano confusi con il donatore, quindi non puoi avere tutti i termini nel modello.Ri: Variabili continue nidificate all'interno di una variabile categoriale?Ciao, benvenuto nella comunità. È possibile allegare la tabella dati JMP? La tua situazione è interessante... Anche se suggerisci che l'età sia annidata nel donatore, non penso che sia l'unica interpretazione. Quando penso alla nidificazione, penso alla gerarchia. Una variabile annidata all'interno di un'altra dipende da quella variabile. Ad esempio, potresti avere un componente di variazione che è una variazione da batch a batch e un altro che è all'interno della variazione batch. Il componente all'interno del batch dipende dal batch (non è possibile ottenere più batch da un componente all'interno del batch). Non penso che l'età dipenda dal donatore... Un altro elemento a cui devi pensare è la multicollinearità. BMI ed età potrebbero essere collineari. In ogni caso, quando si sviluppano modelli per spiegare la variazione nella crescita cellulare, è necessario realizzare l'analisi in base ai termini presenti nel modello. Cambiando i termini nel modello, l'analisi probabilmente cambierà. Per combattere questo dilemma, suggerisco di iniziare con le competenze in materia, sviluppare ipotesi (scientifiche e non statistiche) sul motivo per cui i termini del modello influenzerebbero la crescita cellulare e quindi costruire il modello da lì. Se non hai ipotesi, satura il modello e rimuovi i termini per ottenere un modello appropriato.
