screening della risposta con dati binomialiUtilizzo abitualmente lo screening della risposta per esaminare rapidamente tonnellate di confronti di fattori sperimentali (ad esempio, la temperatura) sulle concentrazioni di proteine. Tuttavia, ora dispongo di dati binomiali (presenza/assenza) (0 o 1) e vedo che puoi modificare la distribuzione in Cauchy o Poisson in basso, ma non vedo il binomio. Vedo "Stessa scala Y" anche se non sono sicuro che possa farlo. Ovviamente, potrei creare modelli lineari generalizzati individuali in "Adatta modello", ma sento che potrebbe esserci un'opzione più rapida se lo screening della risposta è inappropriato. In questo caso, ci sono solo 22 proteine, quindi non è la fine del mondo farlo manualmente, ma quando ho centinaia di proteine, sarebbe carino usare qualcosa di simile allo screening della risposta. Un GLM con un commutatore di colonna per passare rapidamente attraverso le proteine potrebbe essere un'opzione leggermente più lenta. Altre idee?
Ri: screening della risposta con dati binomialiGrazie ad entrambi per le vostre risposte. Sto infatti cercando le proteine candidate più interessanti, e sembra che lo screening della risposta (anche se potenzialmente statisticamente dubbio dato che i dati sono binomiali), la regressione graduale e la regressione generalizzata mi dicono fondamentalmente che le stesse serie di proteine sono quelle maggiormente influenzati dal trattamento sperimentale. Penso che la regressione generalizzata potrebbe effettivamente essere più robusta poiché penalizza la collinearità.
La mia domanda è quindi di natura più statistica: è valido utilizzare un tale approccio se i predittori (proteine) sono binomiali (0 o 1) e la risposta (Y) è multinomiale (in alcuni casi poiché ho vari gruppi di interazione)? Più in generale, per la regressione generalizzata, ha importanza se i predittori (le proteine) sono distribuiti in modo non normale (solo 0 e 1)? Se non ha importanza, penso che la regressione generalizzata potrebbe essere una buona soluzione. Ho allegato i dati in modo che le persone possano vedere come sono formattati.
Ri: screening della risposta con dati binomialiPotresti anche prendere in considerazione l'utilizzo di Partition. Utilizza la convalida incrociata in modo da poter fare clic su Vai. Non stai selezionando un modello qui, anche se potrebbe sembrare così. Ora esamina i contributi delle colonne per avere un'idea dei predittori utili.
Ri: screening della risposta con dati binomialiCredo che tu stia utilizzando JMP Pro e sembra che il tuo obiettivo principale sia la selezione delle variabili? In tal caso, potresti anche voler controllare alcuni dei metodi di regressione penalizzata all'interno della personalità Stima modello -> Regressione generalizzata. Due che potrebbero essere di particolare valore per la selezione delle variabili sono la famiglia delle procedure di adattamento Lasso o Elastic Net. Sono inoltre disponibili varie opzioni per specificare la distribuzione della risposta sottostante. Ecco il sito Web della documentazione in linea per ulteriori indicazioni:
https://www.jmp.com/support/help/en/15.1/#page/jmp/estimation-method-options.shtml#ww355563
