Re: Análisis de correlación de datos de proporciones no normalesSí, por supuesto, perdón por no ser tan claro. Tengo una medida de la proporción de frutas dañadas por las moscas de la fruta: esta medida se calcula como el número de frutas con daño dividido por el número total de frutas dentro de un metro cuadrado. Esta es la medida que uso como variable de respuesta. Quiero probar la correlación entre esta medida y otras 5 variables, de las cuales solo dos son numéricas. Las dos variables explicativas numéricas son el número de moscas de la fruta atrapadas en trampas y la proporción de hormigas en los árboles. El daño en las frutas solo es causado por las moscas de la fruta, se cree que las hormigas reducen la cantidad de daños y quiero investigar si esto se sostiene o no. Las tres variables explicativas categóricas son "país", "variedad de mango" y "Tratamiento". El país se relaciona con el país del que provienen los datos y el tratamiento a qué tipo de tratamiento se ha aplicado en los huertos para reducir la cantidad de moscas de la fruta. Por lo tanto, las hipótesis son: las hormigas reducen la proporción de daño medido en las frutas, y la combinación de altas proporciones de hormigas con otros tratamientos aumenta este efecto.
No puedo compartir los datos, ya que no tengo los derechos para hacerlo. Espero que esto aclare las cosas un poco.
Re: Análisis de correlación de datos de proporciones no normalesSí, eso ayuda un poco. Todavía sugiero que su variable de respuesta podría mejorarse, pero estoy divagando. Mucho depende de las proporciones de las que estamos hablando. Si las proporciones son muy pequeñas, será difícil detectar cambios sin grandes tamaños de muestra (y los problemas de distribución podrían tener un impacto). Si las proporciones son grandes, los problemas de distribución tendrán menos impacto.
Comenzaría con el modelo en forma. Ingrese su proporción dañada en la Y y sus 5 variables de entrada en el modelo.
Por cierto, siempre puede enviar un conjunto de datos similar pero falso para que podamos mostrarle opciones para navegar por el análisis.
Re: Análisis de correlación de datos de proporciones no normalesSi sabe cuál de los dos resultados ocurrió en cada caso, entonces también podría usar la regresión logística o un modelo lineal generalizado binario. estoy de acuerdo con @statman Sugerencias de Solo estoy agregando un enfoque alternativo al análisis.
Re: Análisis de correlación de datos de proporciones no normales¡Gracias, lo intentaré!
Tengo aproximadamente 13,000 puntos de datos para cada variable, por lo que el tamaño de la muestra es bastante grande, pero las variables están infladas a cero. Entonces, en cuanto al modelo, podría probar suerte con una distribución beta-binomial inflada a cero, pero nunca la he probado antes, ¡así que deséame suerte!
Re: Análisis de correlación de datos de proporciones no normales¡Gracias! Me han recomendado probar un modelo beta-binomial o beta-binomial inflado a cero, debido a la inflación cero de mis datos, pero nunca he hecho ninguno de esos antes, así que si falla, intentaré un GLM binario "normal", con el que estoy mucho más familiarizado.Análisis de correlación de datos de proporciones no normalesHola comunidad JMP,
Estoy analizando un conjunto de datos, y me gustaría analizar cómo la proporción del daño medido en las frutas se correlaciona con la proporción de hormigas y el número de moscas de la fruta. Los datos no se distribuyen normalmente (ver histograma), y planeo hacer un GLM con distribución binomial. Aprendí que el análisis de correlación de datos de proporción es un poco complicado y, por lo tanto, busco ayuda sobre cómo hacerlo de la mejor manera.
