年齢と性別に応じてバイオマーカーAを調整することにより、グラフビルダーを使用した運動重症度スコアYとの相関図神経障害患者のバイオマーカーX（DATQUANT）と運動重症度スコアY（MDS-UPDRS 3合計スコア）の間に線形関係があるかどうかを明らかにしたいと思います。 単純な相関関係では、biomarkerXは運動重症度スコアYに関連付けられています。年齢と生物学的性別はバイオマーカーXに影響を与えるため、共変量と見なしました。
その時、年齢や性別に応じてバイオマーカーAを調整し、グラフビルダーを使って運動重症度スコアYの相関図を作成することを考えています。
JMPを使用して、年齢および性別で調整されたバイオマーカーXと運動重症度スコアYの散布図を取得する方法を教えていただければ幸いです。
グラフィックスマックOSスクリプティングRe：年齢と性別に応じてバイオマーカーAを調整することにより、グラフビルダーを使用した運動重症度スコアYとの相関図私はちょうど取った素早い提供されたデータといくつかの質問を見てください。 これが私がデータといくつかの質問で見るものです：
1.データのコンテキストがありません。 DATまたはMDSの変更のうち、実際に重要なものはどれくらいですか？
2. MDSとDATの相関関係については、強い相関関係はなく（r = -0.32）、潜在的な外れ値がいくつかあります（Mahalanobis、7）。 これは、年齢/性別の影響を考慮していません。
3. DATと年齢および性別の関係を見ると、性別にはほとんど関係がないようです（適合モデル）。 年齢は統計的に有意です。 これらの2つの用語は、データの変動の約20％しか占めていません。 年齢が上がると、DATは減少します。
4. DATとMDSの間には線形関係があるように見えますが、そのモデルでは、年齢と性別の両方が重要ではありません。 3つの用語すべてを含むモデルは、データの変動の約8％を占めます。
測定システムにどの程度自信がありますか？
Re：年齢と性別に応じてバイオマーカーAを調整することにより、グラフビルダーを使用した運動重症度スコアYとの相関図やあ@ KF2 、
1つの可能性は、年齢と性別でバイオマーカーXを回帰し、残差を保存してから、単純な散布図としてグラフビルダーで運動重症度スコアYに対してプロットすることです。 これはあなたが提供したデータでどのように見えるかです、
年齢と性別を共変量として扱う別の可能性は、階層回帰を行うことです。 言い換えると、年齢と性別が結果を予測する回帰モデルを適合させてから、年齢、性別、およびバイオマーカーXが結果を予測する別の回帰モデルを適合させることができます。 これらの各モデルの決定係数を取得します（それぞれ.002と.11であることがわかります）。 次に、効果の「順次検定」（またはタイプIの二乗和）を調べて、あるモデルから次のモデルへの説明された分散の変化の検定を取得できます。 この場合、変化は統計的に有意であり、F値は11.23、p = .001です。
これらの各ステップのスクリプトを添付のデータテーブルに保存しました。
HTH、
〜ローラ
Re：年齢と性別に応じてバイオマーカーAを調整することにより、グラフビルダーを使用した運動重症度スコアYとの相関図お返事ありがとうございます。
バイオマーカーX（DATQUANT：従属変数）と運動重症度スコアY（MDS-UPDRS-3：説明変数）の間に線形関係があるかどうかを明らかにしたいと思います。 年齢と生物学的性別がバイオマーカーXに影響を与えるため、共変量と見なしました。 重回帰を行いたい。
[X（DATQUANT：従属変数）] = a1 * Y（MDS-UPDRS-3：説明変数）+ a2 * [年齢] + a3 +残差
a1、a2：各説明変数の勾配係数
a3：生物学的性別の定数項
ここで、[年齢と性別を調整（DATQUANT：従属変数）]とY（MDS-UPDRS-3：説明変数）の関係を視覚化したいと思います。
そこで、散布図を作成したいと思います
調整済みX（a1 * [X（DATQUANT：連続変数）]-a2 * [年齢] -a3）対Y（MDS-UPDRS-3：従属変数）
コメントやご提案をいただければ幸いです。
よろしくお願いします。
