cribado de respuesta con datos binomialesUtilizo habitualmente la evaluación de respuestas para observar rápidamente toneladas de comparaciones de factores experimentales (por ejemplo, temperatura) en concentraciones de proteínas. Sin embargo, ahora tengo datos binomiales (presencia/ausencia) (0 o 1) y veo que puedes cambiar la distribución a Cauchy o Poisson en la parte inferior, pero no veo binomial. Veo "Misma escala Y", aunque no estoy seguro de si eso sería suficiente. Obviamente, podría hacer modelos lineales generalizados individuales en "Modelo de ajuste", pero creo que podría haber una opción más rápida si la evaluación de respuestas no es apropiada. EN este caso, solo hay 22 proteínas, por lo que no es el fin del mundo hacerlo manualmente, pero cuando tenga cientos de proteínas, sería bueno usar algo parecido a la detección de respuestas. GLM con un conmutador de columnas para analizar rápidamente las proteínas podría ser una opción un poco más lenta. ¿Alguna otra idea?
Re: cribado de respuestas con datos binomialesGracias a ambos por sus respuestas. De hecho, estoy buscando las proteínas candidatas más interesantes, y parece que el análisis de respuesta (aunque potencialmente dudoso desde el punto de vista estadístico, dado que los datos son binomiales), la regresión por pasos y la regresión generalizada básicamente me dicen que la misma serie de proteínas son las mismas. más afectados por el tratamiento experimental. Creo que la regresión generalizada podría en realidad ser más sólida ya que penaliza la colinealidad.
Entonces, mi pregunta es de naturaleza más estadística: ¿es válido utilizar este enfoque si los predictores (proteínas) son binomiales (0 o 1) y la respuesta (Y) es multinomial (en algunos casos, ya que tengo varios grupos de interacción)? De manera más general, para la regresión generalizada, ¿importa si los predictores (las proteínas) no tienen una distribución normal (solo 0 y 1)? Si no importa, creo que la regresión generalizada podría ser una buena solución. Adjunto los datos para que la gente pueda ver cómo están formateados.
Re: cribado de respuestas con datos binomialesTambién podrías considerar usar Partición. Utilice validación cruzada para poder hacer clic en Ir. Aquí no estás seleccionando un modelo, aunque pueda parecerlo. Ahora examine las contribuciones de las columnas para tener una idea de los predictores útiles.
Re: cribado de respuestas con datos binomialesCreo que está ejecutando JMP Pro y parece que su objetivo principal es la selección de variables. Si ese es el caso, es posible que también desees consultar algunos de los métodos de regresión penalizados dentro del Modelo de ajuste -> Personalidad de regresión generalizada. Dos que podrían ser de particular valor para la selección de variables son la familia de procedimientos de ajuste Lasso o Elastic Net. También hay varias opciones para especificar la distribución de respuesta subyacente. Aquí está el sitio web de documentación en línea para obtener orientación adicional:
https://www.jmp.com/support/help/en/15.1/#page/jmp/estimation-method-options.shtml#ww355563
