繰り返される vs 複製する vs 複数の観測とネストJMP コミュニティの皆様、こんにちは。
私は自分のデータを分析するためにどのモデルを使用すべきかについて助けが必要な生物学的データセットに取り組んできました。 マウスには 2 つの異なる系統があり (系統ごとに 2 匹のマウス)、各マウスの 1 つの脚には治療 1 が与えられ、同じマウスのもう一方の脚には治療 2 が与えられています。 実験中に、各マウスの脚ごとに 2 ～ 5 回の測定 (化学組成) を行いました。 混合モデルを使用して、処理内の各系統間およびマウス系統内の処理間の化学組成の平均を比較することに興味があります。 JMP テーブルの日付セットの例を次に示します。
統計でサンプル内の変動性を利用するために、複数の観測値を平均化することは特に望んでいません。 したがって、複数の観測から得た情報を失うことなく平均を比較できる方法を探していますが、各観測を独立した観測またはサンプルと見なしたくありません。
私はこの特定のテーブルを使用し、適合モデル>混合モデル>に移動し、変数としてミネラル量、系統として固定効果、治療条件、系統*治療条件、マウス数としてランダム効果を持っています。 ネスティングや度重なる対策は一切行いません。 私は何かを検討する必要がありますか？
ご協力ありがとうございました！
Re: 反復 vs 反復 vs 複数の観測とネスト個々の観測値を使用するか平均観測値を使用するかによって、誤差の意味が決まります。 この解釈は、次のような仮説検定で重要です。ふ分散分析におけるモデル全体の比率またはtパラメータ推定の比率。 エラーは、条件を変更しなかった場合、または同じ条件に戻った場合に発生する応答のランダムな変動を表しています。 これらは、条件が変化したときの影響を評価するためのベンチマークを提供します。 影響のどの程度が新しい状態によるもので、どの程度がとにかく発生するランダムな変化によるものですか?
マウスのひずみと処理の影響を調査しているため、誤差項は、理想的には、実行に関連するすべての摂動 (合計) の累積を表す必要があります。 それは単一の観察です。 別の測定を行うだけでなく、実行全体を繰り返す場合、その実行は複製です。 実行を繰り返さずに別の測定を行う場合、それは複製ではありません。
測定精度 (バイアス + 精度) に関する懸念から、各実行内で複数の測定を行ったようです。 つまり、マウスを 2 回以上犠牲にしなかったということです。 その場合、平均応答をモデル化します。
Re: 反復 vs 反復 vs 複数の観測とネスト積んでるって意味がわからない？ 反復データ ポイントは、一貫性と変動性について分析できます。 これに満足したら、それらのデータ ポイントを表す方法を選択できます。 平均、標準偏差、分散など、または複数の要約統計量として。 研究の他の要素を評価するには、それらを要約する必要があります。 それらは追加の自由度ではありません。
Re: 反復 vs 反復 vs 複数の観測とネストMarkBailey と Statman に感謝します。
はい、私はこれらの複数の測定値の分布について考えていましたが、そのうちのいくつかは外れ値でした (測定値が空隙や亀裂などの骨の自然な凹凸に由来する場合、それは外れ値につながる可能性があります)。 これは実際のデータではありません (先に言い忘れたことをお詫びします)。
だから私が今まで理解したことは次のとおりです。
1) 混合モデルは、確率誤差がすべてのサンプルで一様であるとのみ仮定します
2）各系統のすべてのマウスが両方の治療を受けているため、このモデルにはネスティングはありません
3) 2 つの処理条件の測定値が依存しているという事実は、マウス番号をランダム効果 (ブロッキング) として指定することによって処理されています。
最後に 1 つ質問があります。
すべての観測値を積み重ねてデータのテストを実行する場合と、すべてのサンプルの平均をとるデータのテストを実行する場合の違いは何でしょう。 どの方法を使用すればよいですか?
ありがとう！
Re: 反復 vs 反復 vs 複数の観測とネスト追加するのを忘れていました... Y の変更がどの程度重要かはわかりません。 上記の変動が実際の有意性に比べて小さい場合は、問題にならない可能性があります。Re: 反復 vs 反復 vs 複数の観測とネスト興味深い測定変動があります。 特に、いくつかの「異常なデータポイント」または特別な原因による変動性がある場合. 平均で（分析的に）遠くに行く前に、それらを見たいと思うかもしれません。
Re: 反復 vs 反復 vs 複数の観測とネスト「見ているだけでたくさんのことがわかる。」
プロットで示唆されているように、ミネラルの量については何も見つかりません。
一方、炭酸化量は一定の効果を示します。
Re: 反復 vs 反復 vs 複数の観測とネストマークがすでに述べ、ガイダンスを与えたことに追加するだけです。 短期間に行われた複数の測定値は実際にネストされており、測定誤差の推定値として適切である可能性があります。 私はまずそれらの措置を検討します。 彼らは理にかなっていますか？ データの簡単なプロットが役立ちます。 バリエーションはどのくらいありますか？ バリエーションは一貫していますか？ 異常な測定値はありますか? 平均値は、これらの測定値の適切な推定値ですか? （平均化すると測定誤差が減少します）
Re: 反復 vs 反復 vs 複数の観測とネスト私の質問に答えてくれてありがとう！
- あなたが提案する混合モデルは、すべての観測が同じ確率誤差をサンプリングしていると仮定するだけです。 これは、マウスの犠牲、脚の収穫などから測定誤差までの変動を表します。 つまり、エラーは単一の分散コンポーネントにプール可能です。 あなたのモデルは、エラーの母集団がマウスによって異なるとは思わないというステートメントです。 別の言い方をすれば、どのマウスに関係なく、同じ母集団のエラーをサンプリングしているということです。
- まあ、マウスの数はランダムな効果を持つブロッキング要因のように機能するので、提案されたモデルは正しいはずです。 さらに、因子データ列の因子レベルは、共有条件を示す必要があります。 あなたの因子は入れ子ではなく交差しています。 つまり、今日まで、Strain 1 は常に Strain 1 です。 系統 1 は、各マウスまたは処理で異なるものではありません。 同様に、処理 1 は、どのマウス系統に関係なく、常に同じ処理です。 モデル内の各項の特定のネストを示すことにより、真にネストされた因子をJMPで分析できます。 あなたの測定値はマウス番号によってブロックされています。
Re: 反復 vs 反復 vs 複数の観測とネスト繰り返し測定の性質は何ですか？ 化学物質を複数回測定したのはなぜですか? - 骨のサンプル表面の粗さに非常に敏感なマイクロスケールのイメージング技術であるため、測定は複数回行われています (マウスを犠牲にした後に抽出されます)。 サンプル内の変動に起因するエラーを回避するために、複数の測定を行ったので、サンプル間で比較する値の分布が得られました。
測定値は時間内に取得されていますか? 測定値は一定期間にわたって取得されていますか? 別の固定効果としてモデル化およびテストできるように、時間は記録されていますか? - 複数の測定はすべて時間に敏感ではなく、わずか 1 分間隔です (機器が 1 回の測定を行い、10 ミクロン未満離れたサンプル表面の次のポイントに移動するのにかかる時間)。
私が持っている最大の懸念は次の2つだと思います。
1) 混合モデルを使用する場合、モデルがすべての測定値を単一の独立したサンプルと見なしていないことを確認するにはどうすればよいですか?
2) 処置 1 と処置 2 の測定値が同じマウスからのものであることを確認するにはどうすればよいですか?
ありがとう！
Re: 反復 vs 反復 vs 複数の観測とネスト繰り返し測定の性質は何ですか？ 化学物質を複数回測定したのはなぜですか? 測定値は時間内に取得されていますか? 測定値は一定期間にわたって取得されていますか? 別の固定効果としてモデル化およびテストできるように、時間は記録されていますか?
これらの質問にどのように答えるかに応じて、モデルは理にかなっており、個々のメジャーを使用することは理にかなっています。
