연령 및 성별에 따른 바이오마커 A를 조정하여 그래프 빌더를 사용한 운동 중증도 점수 Y와의 상관도우리는 신경 장애 환자에서 바이오마커 X(DATQUANT)와 운동 중증도 점수 Y(MDS-UPDRS 3 총점) 사이에 선형 관계가 있는지 여부를 명확히 하고자 합니다. 간단한 상관관계에서 biomarkerX 운동 중증도 점수 Y와 관련이 있습니다. 나이와 생물학적 성별이 바이오마커 X에 영향을 미치기 때문에 우리는 이들을 공변량으로 간주했습니다.
이때 나이와 성별에 따라 바이오마커 A를 조절하여 그래프 빌더를 이용하여 운동심각도 점수 Y와의 상관도를 만들 생각을 하고 있습니다.
JMP를 사용하여 연령 및 성별 조정 바이오마커 X 대 운동 중증도 점수 Y의 산점도를 얻는 방법을 알려주시면 대단히 감사하겠습니다.
제도법맥 OS스크립팅Re: 연령 및 성별에 따라 바이오마커 A를 조정하여 그래프 빌더를 사용하여 운동 중증도 점수 Y와의 상관도당신의 답변에 감사드립니다.
우리는 바이오마커 X(DATQUANT: 종속변수)와 운동 중증도 점수 Y(MDS-UPDRS-3: 설명변수) 사이에 선형 관계가 있는지 여부를 명확히 하고자 합니다. 나이와 생물학적 성별이 바이오마커 X에 영향을 미치기 때문에 우리는 이들을 공변량으로 간주했습니다. 다중 회귀를 수행하고자 합니다.
[X(DATQUANT: 종속변수)] = a1*Y(MDS-UPDRS-3: 설명변수) + a2*[나이] + a3 + 잔차
a1, a2 : 설명변수별 기울기 계수
a3: 생물학적 성에 대한 상수 용어
이제 [연령 및 성별 조정(DATQUANT: 종속 변수)]과 Y(MDS-UPDRS-3: 설명 변수) 간의 관계를 시각화하고 싶습니다.
그래서 우리는 산점도를 준비하고 싶습니다
조정된 X(a1*[X(DATQUANT: 연속 변수)] - a2*[나이] - a3) 대 Y(MDS-UPDRS-3: 종속 변수)
의견과 제안을 해주시면 대단히 감사하겠습니다.
미리 감사드립니다.
Re: 연령 및 성별에 따라 바이오마커 A를 조정하여 그래프 빌더를 사용하여 운동 중증도 점수 Y와의 상관도안녕 @KF2 ,
한 가지 가능성은 나이와 성별에서 바이오마커 X를 회귀시키고 잔차를 저장한 다음 그래프 빌더에서 모터 심각도 점수 Y에 대해 간단한 산점도로 그리는 것입니다. 귀하가 제공한 데이터를 보면 다음과 같습니다.
연령과 성별을 공변량으로 취급하는 또 다른 가능성은 계층 회귀를 수행하는 것입니다. 다시 말해서, 나이와 성별이 결과를 예측하는 회귀 모델을 맞춘 다음, 나이, 성별 및 바이오마커 X가 결과를 예측하는 또 다른 회귀 모델을 맞출 수 있습니다. 각 모델에 대한 R-제곱을 얻을 수 있습니다(각각 .002 및 .11임). 그런 다음 효과의 "순차 검정"(또는 유형 I 제곱합)을 보고 한 모델에서 다음 모델로 설명된 분산의 변화에 대한 테스트를 얻을 수 있습니다. 이 경우 변화는 통계적으로 유의하며 F-값은 11.23, p = .001입니다.
첨부된 데이터 테이블에 이러한 각 단계의 스크립트를 저장했습니다.
HTH,
~로라
Re: 연령 및 성별에 따라 바이오마커 A를 조정하여 그래프 빌더를 사용하여 운동 중증도 점수 Y와의 상관도나는 방금 빠른 제공된 데이터와 몇 가지 질문을 살펴보십시오. 다음은 데이터와 몇 가지 질문에서 볼 수 있는 내용입니다.
1. 데이터에 대한 컨텍스트가 없습니다. DAT 또는 MDS의 변경이 얼마나 실질적인 의미가 있습니까?
2. MDS와 DAT 사이의 상관관계와 관련하여 강한 상관관계는 없으며(r=-0.32) 잠재적인 이상치가 많이 있습니다(Mahalanobis, 7). 이것은 연령/성별 효과를 고려하지 않습니다.
3. DAT와 연령, 성별의 관계를 살펴보면, 성별은 거의 관계가 없는 것으로 보입니다(적합 모델). 나이는 통계적으로 유의미합니다. 이 두 용어는 데이터 변동의 약 20%만 설명합니다. 나이가 들수록 DAT는 감소합니다.
4. DAT와 MDS 사이에 선형 관계가 있는 것처럼 보이지만 해당 모델에서는 연령과 성별이 모두 중요하지 않습니다. 세 항을 모두 포함하는 모델은 데이터 변동의 ~8%를 설명합니다.
측정 시스템에 대해 얼마나 확신하십니까?
