범주형 변수 내에 연속형 변수가 중첩되어 있습니까?안녕하세요. 저는 JMP를 처음 사용하는데 데이터를 어떻게 모델링해야 할지 잘 모르겠습니다. 어떤 단계를 밟아야 할지 제안해 주시면 감사하겠습니다!! 통계에 대한 지식이 매우 부족한 점 미리 사과드립니다.
저는 범주형 변수(기증자)와 연속적인 각 기증자에 고유한 두 개의 매개변수(나이 및 BMI)가 포함된 데이터 세트를 가지고 있습니다. 기증자의 나이와 BMI가 다양한 반응 변수(지속적(예: 세포 성장 등))가 어떻게 영향을 받는지, 그리고 반응을 결정할 때 나이와 BMI 사이에 상호 작용이 있는지 확인하고 싶습니다. 이 일을 어떻게 하시겠습니까? 저는 이를 위해 처음에는 기증자, 연령, BMI를 모두 별도의 입력으로 사용하여 적합 모델을 사용해 왔습니다. 결과는 기증자 간의 차이만 설명하고 연령과 BMI의 영향을 밝히지 않은 것처럼 보였습니다. 연령과 BMI(기증자를 제외)만으로 적합 모델을 사용했을 때 결과는 연령과 BMI 모두에 영향을 미치는 회귀를 보여주었습니다. 따라서 이를 모델링하는 두 가지 방법이 있는 것 같습니다. 하나는 각 반응에 대해 어떤 기증자가 서로 크게 다른지 보고할 수 있는 곳이고, 다른 하나는 각 반응에 대한 연령과 BMI의 영향을 보고할 수 있는 곳입니다. 연령과 BMI의 상호작용 효과를 관찰하기 위해 두 번째 모델에서 십자 버튼을 사용해야 하는지 잘 모르겠습니다. 또한 3개의 독립 변수를 동시에 모델링하는 방법도 모르겠습니다. 기증자 내에 연령과 BMI를 중첩시켜야 합니까? 중첩 옵션에 대한 지원 페이지에는 중첩된 용어가 범주형이어야 한다고 나와 있습니다.
정말 감사합니다. 어떤 피드백이라도 주시면 감사하겠습니다!!
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?앤지,
죄송합니다. 상황을 이해하지 못해 도움을 드릴 수 있을지 모르겠습니다. 가짜 데이터를 보낸 줄 알았는데 상황이 진짜였네요...죄송합니다. 귀하의 답변과 관련하여 몇 가지 추가 사항이 있습니다(원하신다면).
1. "귀하의 알파는 .05입니다"라는 말은 알파 위험을 말하는 것입니까? 이는 통계적 유의성을 위해 사용됩니다. 실질적인 의미에 대해 묻고 있습니다. 이는 항상 통계보다 더 중요합니다. 왜냐하면 통계적 유의성은 데이터, 데이터 획득 방법, 비교 내용에 따라 달라지기 때문입니다.
2. 호전적이지 않지만 실험실에서 분석을 수행한다고 해서 "좋은" 결과가 나오는 것은 아닙니다. 나는 탐지하려고 의도한 것을 탐지할 수 없는 실험실 측정의 많은 예를 가지고 있습니다. 분석의 정확성을 뒷받침하는 데이터가 있습니까? 그렇다면 꼭 진행하십시오.
3. 실험을 위한 설정은 실험실에 있나요? 어떤 추론 공간에 대해 결론을 도출하고 싶나요? 연구실 외부의 "조건"에 따라 결론이 도출됩니까? 그렇다면 주의해서 진행하세요. 결과가 관심 영역에 적용될 수 있는지 확인하고 싶을 것입니다. 다시 한 번 말씀드리지만, 제 조언은 실제 상황에 따라 다르기 때문에 제한적입니다.
좋아요, 각 치료 조합에 대해 3개의 "데이터 포인트"가 있습니다. 문제는 그것들을 어떻게 얻었는가이다. (다양한 사람들이 이를 설명하기 위해 서로 다른 언어를 사용하기 때문에 이 3가지 측정값을 뭐라고 부를지 조심스럽습니다.) "데이터 포인트"를 획득한 경우 몇 가지 지침 없이 치료 조합이 변경되면 일반적으로 독립적인 사건으로 간주되지 않으므로 연구의 자유도가 증가하지 않습니다(나는 이를 반복이라고 부릅니다). 3개의 데이터 포인트를 수집할 때 "일정"했기 때문에 값이 변하는 이유를 처리(요인)에 할당할 수 없습니다. 따라서 해당 값이 변하는 이유는 짧은 기간에 변하는 변수, 단기 노이즈 때문입니다. (예: 측정 오류) 이 경우 치료 내 변화(그래픽 작업)를 살펴본 다음 모델링할 Y가 되는 적절한 요약 통계(예: 평균, 분산, 범위...)를 결정할 수 있습니다.
3개의 데이터 포인트가 실제로 독립적인 이벤트인 경우 복제로 간주되어 DF의 사용 가능성이 높아질 수 있습니다. 종종 조언은 무작위 복제를 수행하는 것입니다. 이는 통계 테스트에 사용될 실험 오류에 대한 편견 없는 추정치를 제공하기 때문입니다. 또한 추론 공간을 늘리고 공변량을 추가하기 위해 "할당되지 않은" DF를 제공할 수도 있습니다. 제 생각에는 t 추론 공간을 늘리고, 잡음 효과를 할당하고, 잡음을 분할하여 설계의 정밀도를 높이고(요인 효과 감지), 강력한 설계를 생성하는 등의 더 효율적이고 효과적인 다른 방법이 있습니다(RCBD, BIB, 분할 플롯). , 등.)
4. 여기서 무슨 말씀을 하시는지 잘 모르겠지만, 반응 변수를 선택하는 것이 중요합니다. 반응 변수가 연속적일수록 요인 관계를 더 효율적이고 효과적으로 이해할 수 있습니다. 나는 항상 가능한 한 많이 측정하고, 실험을 비디오로 촬영하고, 소리를 녹음하는 등의 작업을 제안합니다. 새로운 반응 변수가 언제 발견으로 이어질지 알 수 없습니다. 확실히 문제가 변동 중 하나라면 변동을 정량화하는 응답 변수(예: 표준 편차, 분산, 범위 등)가 있어야 합니다.
5. 올바른 도구 선택과 필요한 샘플 수에 관한 다양한 조언이 있습니다. 나의 조언은 질문 목록(예: 어떤 질문에 답하고 싶습니까?)부터 시작하라는 것입니다. 종속변수와 독립변수에 대해 어떤 가설을 갖고 있나요? 현상을 어떻게 측정할 것인가? 등). 상황, 사용 가능한 데이터 유형, 추정하려는 효과, 사용 가능한 자원, 긴급성은 무엇인지 등을 이해한 후 연구를 설계할 수 있습니다(표본 추출 계획, 실험 등). 지나치게 단순화하겠습니다...자유도는 데이터 세트에 있는 정보의 양입니다. 귀하가 보내주신 데이터 세트(시계열이 있는 경우)에는 15개의 데이터 포인트가 있으므로 총 14개의 자유도가 있습니다. 각 요인에는 다양한 자유도(예: 기증자 4, 꼬리 깃털 4, 꼬리 깃털 개수 4)가 있으며 상호 작용이 있습니다(요소 DF를 곱함). 상상할 수 있듯이 요인에 대한 자유도만 합치면 자유도가 12가 되므로 상호작용을 추정하기에는 DF가 충분하지 않습니다. 규칙은 추정하거나 비교하려는 것을 추정하거나 비교하려면 충분한 DF가 필요하다는 것입니다. (필요한 DF 수는 상황에 따라 완전히 달라집니다.) 제가 가장 좋아하는 DOE 저자 중 한 명(Cuthbert Daniels)의 말을 인용하여 마무리하겠습니다.
DOE의 가장 일반적인 결함은 다음과 같습니다.
- 과포화: 치료 횟수에 비해 효과가 너무 많습니다. (이것이 당신의 문제입니다)
- 과도한 보수성: 원하는 추정치에 비해 관측치가 너무 많습니다.
- 잘못된 값에 대한 데이터 연구 실패
- 모든 앨리어싱을 고려하지 못함
- 오차 분산에 대한 오해로 인한 부정확성.
지금은 그게 전부입니다. 나를 기쁘게 해주셔서 감사합니다. 추가로 도움이 필요하시면 알려주세요.
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?안녕 @statman ,
1. 내 알파 값은 0.05입니다.
2. 나는 측정 시스템에 대해 매우 확신합니다(모든 분석은 실험실에서 검증됨).
3. 이 가상의 예에서는 각 기증자에 대해 복제물을 얻는 방법을 잘 모르기 때문에 3년이라고만 말했지만 실제 실험은 실험실에서 수행되었으며 모든 측정은 동시에 이루어졌으며 각 기증자에 대해 동일한 조건을 사용했습니다. 시간에 따른 변동은 없습니다
4. 계란 수를 의미하는 것으로 바꿀 수 있을까요? 실제 실험은 새나 알과는 아무런 관련이 없습니다. 저는 단지 다른 종속 변수를 생각해내려고 했을 뿐입니다.
5. 그거 짜증나. 우리는 15개의 서로 다른 샘플에 대한 재료만 가지고 있었습니다. 최소한 3df가 있어야 한다는 통계적 규칙이 있습니까?
6. 시간은 실제로 중요한 요소가 아니었습니다(#3에서처럼 - 모두 실제 복제라고 가정합시다).
7. 좋은 것 같아요.
감사합니다!!
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?앤지,
설명해주셔서 감사합니다. 다음은 몇 가지 의견/질문입니다.
1. 각 Y의 실제적인 의미는 무엇입니까? 각 Y에서 얼마나 많은 변화를 감지하고 싶거나 감지해야 합니까(또는 과학적으로 관심이 있습니까)?
2. 측정 시스템에 대해 얼마나 확신하시나요?
3. 꼬리깃털의 길이와 개수는 해마다 일정합니까?
4. 평균 알 크기의 Y가 있는데, 알 크기의 변화는 무엇입니까? 이것은 무게인가, 치수인가?
5. 귀하는 깃털 길이, 깃털 수, 출생 체중 등 3가지 특성을 기준으로 의도적으로 기증자를 다르게 선택했습니다. 이러한 특성은 기증자와 혼동됩니다. 기증자의 3가지 특성을 모델링할 데이터가 충분하지 않습니다. (3년 동안 2개의 자유도) 3가지 특성의 주효과만 모델링하려면 최소한 3개의 DF가 필요합니다.
6. 데이터를 그래픽으로 볼 수 있습니다. 시간에 따른 변동성 도표가 도움이 될 것입니다.
7. 기증자가 Y에 미치는 영향을 볼 수 있지만 기증자 요인 내에서 모델링할 데이터가 충분하지 않습니다.
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?안녕 @statman , 모든 정보에 정말 감사드립니다! 가짜 데이터가 포함된 테이블이 첨부되어 있습니다.
시나리오: 5명의 "기증자"가 있으며 모두 새입니다. 기증자는 5명의 기증자 각각에 대해 3회 측정값을 산출하기 위해 3년 연속으로 1년에 한 번씩 관찰됩니다. 꼬리 깃털 길이, 꼬리 깃털 수 및 출생 체중은 모두 각 기증자마다 고유합니다. 꼬리 깃털 길이와 꼬리 깃털 수는 다양한 짝짓기 성공 지표에 영향을 미치는 것으로 가정되므로 짧은 꼬리 깃털과 높은 깃털 수, 짧은 꼬리 깃털과 낮은 깃털 수, 중간 길이의 깃털과 중간 깃털의 조합을 기반으로 5마리의 새가 선택됩니다. 깃털 개수, 긴 꼬리 깃털 및 깃털 개수가 적음, 긴 꼬리 및 높은 깃털 개수. 우리는 새끼 수, 짝 수, 알 크기가 기증자에 따라 달라지는지 확인하고 각 변수가 꼬리 깃털 길이, 깃털 수, 출생 체중에 따라 어떻게 달라지는지 확인하고 싶습니다. 또한 입력 간에 상호 작용이 있는 경우. 이것이 적절한 가설이기를 바랍니다...
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?앤지,
나는 당신의 "가짜" 데이터 테이블이 첨부된 것을 보지 못했습니다. 논의할 내용이 많습니다. 고려해야 할 사항:
어떤 질문에 대답할 수 있는지, 어떤 결론을 내릴 수 있는지, 분석에 어떤 도구를 사용해야 하는지, 결과를 추정하는 능력은 모두 데이터를 얻은 방법에 따라 완전히 달라집니다. 나는 당신의 게시물에서 이것을 모릅니다(이것이 내가 데이터를 보고 싶었던 이유 중 하나입니다...원하는 대로 데이터를 코딩할 수 있습니다).
기증자가 여러 명이므로(몇 명인지는 모르겠습니다.) 기증자에 따른 연령 및 BMI 적합 모델을 수행할 수 있습니다. 이를 통해 최소한 결과를 더 넓은 추론(더 많은 기증자)으로 추정할 수 있는지 생각해 볼 수 있습니다. 기증자들 사이에서 분석 결과가 얼마나 잘 반복됩니까?
모델에서 용어를 어떻게 제거했는지 잘 모르겠습니다. 이렇게 하면 도움이 될 수 있는 몇 가지 통계가 있습니다(일반 지침).
- R-제곱과 R-제곱 사이의 델타가 조정되었습니다. 이것이 크면 모델을 과도하게 지정한 것입니다.
- RMSE, 작을수록 좋은 모델
- (당신이 관찰한 대로) 잔차. 따라서 우리는 NID(0, Variance)를 "좋아합니다". 이는 의미가 있습니다. 따라서 정규 분포가 아닌 경우 왜 그런지 질문해야 합니다. 시계열로 플롯합니다. 왜 그렇지 않은지 가설을 세워보세요.
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?또 다른 말로는... 모델의 적합성을 판단하는 데에도 어려움이 있습니다. 회귀 분석의 잔차가 정규 분포를 나타내지 않는 경우 모델을 할인해야 합니까? 감사해요.
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?안녕 @statman .중첩의 본질에 대한 명확한 설명과 내 문제에 대한 귀하의 생각에 감사드립니다. 데이터는 독점 정보이므로 공유할 수 없습니다. 그러나 전혀 관련이 없지만 제가 겪고 있는 동일한 문제를 전달하는 완전히 조작된 데이터 세트를 공유할 수 있습니다. 혼란스러운 변수에 대한 당신의 주장은 확실히 옳습니다. 나이와 BMI를 기증자로부터 분리하는 것은 불가능합니다. 그래서 모델에 세 가지를 모두 추가했을 때 출력이 이상했던 것 같습니다. 나이와 BMI(기증자 제외)만 사용하여 적합 모델을 다시 실행하고 나이를 BMI와 교차시켰으며 제안한 대로 응답을 얻을 수 있는 다른 모든 입력으로 모델을 포화시켰습니다. 나는 중요하지 않은 각 항목을 제거하고 각 반응에 대한 영향을 결정하는 데 있어 연령과 BMI 사이의 상호 작용을 관찰할 수 있었습니다. 이는 각 응답에 대한 연령과 BMI 사이의 관계를 관찰하는 데 적절한 것 같지만 이제는 각 응답에 대해 어떤 기증자가 서로 크게 다른지 확인하기 위해 별도의 모델에서 기증자 대 각 응답을 실행해야 하는지 확신할 수 없습니다. 3개 입력이 모두 포함된 첫 번째 모델은 분산 분석 결과를 제공했지만 Tukey 테스트를 실행할 수 있는 옵션은 제공하지 않는 반면, 기증자를 단일 입력으로 실행하면 제공됩니다. 세 가지 입력의 효과를 모두 조사하기 위해 두 가지 별도의 분석을 실행해야 한다고 생각하십니까? 어리석은 가짜 데이터 세트를 원한다면 알려주십시오. 모든 도움에 정말 감사드립니다!
Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?귀하의 상황에 대해 좀 더 생각해 보겠습니다. 나이가 많고 BMI가 기증자와 혼동되어 모델에 모든 용어를 포함할 수 없는 것 같습니다.Re: 범주형 변수 내에 연속형 변수가 중첩되어 있습니까?안녕하세요, 커뮤니티에 오신 것을 환영합니다. JMP 데이터 테이블을 첨부할 수 있습니까? 흥미로운 상황이군요... 기증자에 나이가 포함되어 있다고 제안하셨지만 이것이 유일한 해석은 아니라고 생각합니다. 중첩을 생각할 때 계층 구조를 생각합니다. 다른 변수 안에 중첩된 변수는 해당 변수에 따라 달라집니다. 예를 들어 배치 간 변동인 변동 구성요소와 배치 변동 내에 있는 변동 구성요소가 있을 수 있습니다. 내부 배치 구성 요소는 배치에 따라 다릅니다(내부 배치 구성 요소에서 여러 배치를 가져올 수 없음). 기증자에 따라 나이가 좌우되지는 않는다고 생각합니다. 고려해야 할 또 다른 항목은 다중 공선성입니다. BMI와 연령은 동일선상에 있을 수 있습니다. 어떤 경우든 세포 성장의 변화를 설명하기 위한 모델을 개발할 때 모델에 포함된 항에 따라 분석을 실현해야 합니다. 모형의 항을 변경하면 분석이 변경될 가능성이 높습니다. 이 딜레마에 맞서기 위해 주제 전문 지식부터 시작하여 모델의 용어가 세포 성장에 영향을 미치는 이유에 대한 가설(통계가 아닌 과학적)을 개발한 다음 거기에서 모델을 구축하는 것이 좋습니다. 가설이 없으면 모델을 포화시키고 항을 제거하여 적절한 모델을 얻으십시오.
