JMP에서 손실률을 프로빗으로 변환프로빗 연결 함수와 log(dose)를 X로 사용하여 이항 일반 선형 모델을 사용하여 독성 물질에 대한 여러 모집단에 대한 독립 프로빗 회귀를 생성했습니다. 이제 Y를 프로빗 단위로 변환하고 싶습니다.
GLM 출력에서 수식을 저장하면 각 모집단에 대해 다음 수식을 얻습니다.
정규분포(절편+기울기*로그(용량))
프로빗이 누적 분포 함수의 역함수라는 점을 감안할 때 다음 공식을 사용하여 새 열을 만들려고 생각했습니다.
(1) Normal Quantile(Normal Distribution(Intercept+Slope*Log(dose)))+5 *+5는 임의적임
위의 출력은 나에게 합리적으로 보였지만 방정식의 normal dist 외에 normal quantile을 모두 갖는 것이 혼란스러웠고 서로 상쇄될 것이라고 생각하여 다음과 같이 정규 분포 없이 공식을 시도하기로 결정했습니다.
(2) Normal Quantile(절편+기울기*Log(용량))+5
(2)와 같이 "정규 분포"가 제거되면 모양에 큰 영향을 미칩니다.또한 방정식에 따라 50% 치사량(5 프로빗)이 변경되는 것을 볼 수 있는데, 이는 정말 중요합니다.
점선은 각 모집단에 대한 식(1)이고 실선은 식(2)입니다.
방정식 1에서 프로빗으로 올바르게 변환했습니까?나는 약간의 연구를 수행했지만 JMP에서 이 작업을 수행하는 방법에 대한 언급을 보지 못했습니다.
감사해요!
Re: JMP에서 손실률을 프로빗으로 변환말 그대로 모델에서 Dose에 대한 매개변수의 값을 의미합니다. 그 매개변수를 '기울기'라고 생각한다면 그렇습니다. 그런 식으로 곡선을 비교하는 것입니다.
Re: JMP에서 손실률을 프로빗으로 변환좋은 오후 마크,
오래전 일이지만 위의 답변을 제공해 주셔서 감사합니다.나는 그것이 매우 도움이 된다는 것을 알았다.
답변의 일부에 대한 후속 질문이 하나 있습니다.
" 처리 * 로그 선량 효과는 점근선 사이의 강하거나 약한 전환을 나타내는 선량 효과의 차이를 테스트합니다."
치료 * 로그 선량 효과가 본질적으로 두 치료에 대한 선량-반응 곡선의 기울기를 비교한다고 말하는 것이 맞습니까?
Re: JMP에서 손실률을 프로빗으로 변환새로운 이론, 기술 및 기술이 이용 가능해지면 많은 역사적 방법이 우수한 방법에 의해 능가되었습니다. 이전 방법은 과거에 성공적이었던 모든 것을 고수하는 경향이 있으므로 매우 천천히 사라집니다. 그러나이 접근 방식을 추구하려는 경우 결과가 정확합니다.
나는 독성학자가 아닙니다. 하지만 저는 과학자이자 통계학자입니다. 나는 당신이 가지고 있는 GLM을 사용하고 모델에 모집단(예: 치료)을 포함할 것입니다. 예를 들어 이전 예제를 확장해 보겠습니다.
이전과 같이 Fit Model 시작 대화 상자를 사용하여 모델을 설정하고 치료를 포함합니다.
치료 효과는 하나의 곡선이 다른 곡선에 비해 왼쪽 또는 오른쪽으로 이동함을 나타내는 평균 차이(즉, 고유 절편)를 테스트합니다. 처리 * 로그 선량 효과는 점근선 사이의 강하거나 약한 전이를 나타내는 선량 효과의 차이를 테스트합니다.
JMP의 회귀 도표는 두 곡선을 명확하게 보여줍니다. 효과 테스트는 곡선 간의 차이를 결정할 수 있는 통계적 증거를 제공합니다. 변환이 어떻게 이 비교를 더 효과적으로 만들 수 있을지 모르겠습니다.
Re: JMP에서 손실률을 프로빗으로 변환첫 질문에 불분명해서 죄송합니다. 나는 프로빗 변환을 수행하고 백분율에서 Y축을 변환하려고 했습니다(정규 분포의 CDF에서: Φ(엑스) )를 프로빗으로 변환합니다(정규 분포의 CDF의 역: Φ^-1(p)). 아래 Google의 스냅샷을 참조하세요.
이는 인구에서 독성 물질의 치사율이 정규 분포를 따르지 않기 때문에 사망률에 대한 용량 반응을 시각화하는 데 중요합니다(대수정규분포입니다). REF ). 전통적으로 독물학자들은 손으로 간단한 회귀를 하기 전에 백분율 사망률을 프로빗으로 변환했습니다(1952 Finney 프로빗 차트 참조). 왜냐하면 그것이 용량-반응 관계를 선형화했기 때문입니다(컴퓨터 없이 더 쉬움). 앞서 언급한 내 분석에서 프로빗 연결 기능을 사용하여 이를 설명합니다. 그러나 출력은 CDF normal dist에서 백분율로 예측되기 때문에 프로비트에 있지 않습니다. 이것이 모집단 간의 선량 반응 관계를 시각화하고 비교하는 최적의 방법이라는 것이 내 이해입니다.
다음을 사용하여 예측 공식의 Y를 시각적 목적을 위한 프로빗으로 변환하는 방법을 알아냈습니다.
정규 분위수((정규 분포(절편+기울기*로그(용량))))
추가 괄호 세트를 추가하기만 하면 됩니다!!동일한 중간 치사량을 제공하고 선을 선형화하기 때문에 확신합니다.
위의 그래프에서 프로빗 0개 = 사망률 50%이기 때문에 앞서 언급한 공식에 .5를 더했고 .5를 더하면 동일한 치사량 중앙값에서 교차하게 됩니다.
분명히 당신은 나보다 이 내용을 더 잘 알고 있지만 출력을 프로빗으로 변환하려는 미래의 사용자에게 유용하기를 바라며 입력하고 싶었습니다.이것이 합리적으로 보입니까?
Re: JMP에서 손실률을 프로빗으로 변환플랫폼의 빨간색 삼각형 메뉴에서 사용할 수 있는 역 예측 명령이 있다는 것을 추가하는 것을 잊었습니다. 이 예에서는 CDF의 여러 지점에 대한 Log Dose를 요청합니다.
결과는 다음과 같습니다.
이 결과가 당신이 찾고 있는 것입니까?
Re: JMP에서 손실률을 프로빗으로 변환솔직히 "프로빗 단위"가 무슨 뜻인지 모르겠습니다. 다음은 간단한 프로빗 분석의 모형입니다. 복용량을 늘리는 테스트를 만들었습니다. 각 용량에 대해 25명의 피험자가 있습니다. 25명 중 사망자 수를 기록합니다.
다음으로 Fit Model 시작 대화 상자에서 이 설정을 사용하여 프로빗 분석을 시작했습니다.
그런 다음이 분석을 얻습니다.
플롯은 Log Dose의 함수로 피팅된 프로빗 곡선을 보여줍니다. 프로빗 함수의 범위는 0~1입니다. 예측 공식을 데이터 테이블에 저장했습니다.
예측 공식은 다음과 같습니다.
예상 사망은 샘플에 프로빗 또는 정규 누적 분포 함수(CDF)를 곱한 값입니다.
이 양이 당신이 원하는 것입니까? 그렇지 않은 경우 이 예에서 "프로빗 단위"를 정의하십시오.
