通过根据年龄和性别调整生物标志物 A，使用图形构建器绘制运动严重性评分 Y 的相关图我们想澄清神经系统疾病患者的生物标志物 X（DATQUANT）和运动严重程度评分 Y（MDS-UPDRS 3 总分）之间是否存在线性关系。 在一个简单的相关性中，生物标志物X与运动严重性评分 Y 相关。由于年龄和生理性别影响生物标志物 X，我们将它们视为协变量。
当时，我正在考虑通过根据年龄和性别调整生物标志物 A，使用图形构建器创建与运动严重性评分 Y 的相关图。
如果您能让我们知道如何使用 JMP 获得年龄和性别调整的生物标志物 X 与运动严重程度评分 Y 的散点图，我们将不胜感激。
图形苹果系统脚本编写回复：使用图形构建器根据年龄和性别调整生物标志物 A 与运动严重性评分 Y 的相关图我刚拿了一个快的查看提供的数据和您的一些问题。 以下是我在数据中看到的内容和一些问题：
1. 我没有数据的任何上下文。 DAT 或 MDS 中有多少变化具有实际意义？
2.关于MDS和DAT之间的相关性，没有很强的相关性（r=-0.32），并且存在一些潜在的异常值（Mahalanobis，7）。 这没有考虑年龄/性别的影响。
3.从DAT与年龄和性别的关系来看，性别几乎没有关系（拟合模型）。 年龄具有统计学意义。 这两个术语仅占数据变化的约 20%。 随着年龄的增加，DAT 会下降。
4. DAT 和 MDS 之间似乎确实存在线性关系，但在该模型中，年龄和性别都无关紧要。 包含所有三个项的模型占数据变异的约 8%。
您对测量系统的信心如何？
回复：使用图形构建器根据年龄和性别调整生物标志物 A 与运动严重性评分 Y 的相关图你好@KF2 ,
一种可能性是根据年龄和性别对生物标志物 X 进行回归，保存残差，然后在图形构建器中将它们与运动严重性评分 Y 作图作为简单的散点图。 这就是你提供的数据的样子，
另一种将年龄和性别视为协变量的可能性是进行层次回归。 换句话说，您可以拟合一个回归模型，其中年龄和性别预测您的结果，然后拟合另一个回归模型，其中年龄、性别和生物标志物 X 预测您的结果。 您将获得每个模型的 R 平方（结果分别为 0.002 和 0.11）。 然后，您可以查看效应的“顺序检验”（或 I 型平方和），以获得从一个模型到另一个模型的解释方差变化的检验。 在这种情况下，变化具有统计显着性，F 值为 11.23，p = .001。
我在附加的数据表中保存了每个步骤的脚本。
哈，
~劳拉
回复：通过根据年龄和性别调整生物标志物 A，使用图形构建器绘制运动严重性评分 Y 的相关图感谢你的回复。
我们想澄清生物标志物 X（DATQUANT：因变量）和运动严重程度评分 Y（MDS-UPDRS-3：解释变量）之间是否存在线性关系。 由于年龄和生理性别影响生物标志物 X，我们将它们视为协变量。 我们想进行多元回归。
[X (DATQUANT: 因变量)] = a1*Y (MDS-UPDRS-3: 解释变量) + a2*[age] + a3 + 残差
a1, a2 : 每个解释变量的斜率系数
a3：生物性别的常数项
现在我们想可视化[年龄和性别调整（DATQUANT：因变量）]和Y（MDS-UPDRS-3：解释变量）之间的关系
所以我们要准备散点图
调整后的 X (a1*[X(DATQUANT: 连续变量)] - a2*[age] - a3) vs. Y (MDS-UPDRS-3: 因变量)
如果您能给我们意见和建议，我们将不胜感激。
提前谢谢了。
