通過根據年齡和性別調整生物標誌物 A，使用圖形構建器繪製運動嚴重性評分 Y 的相關圖我們想澄清神經系統疾病患者的生物標誌物 X（DATQUANT）和運動嚴重程度評分 Y（MDS-UPDRS 3 總分）之間是否存在線性關係。 在一個簡單的相關性中，生物標誌物X與運動嚴重性評分 Y 相關。由於年齡和生理性別影響生物標誌物 X，我們將它們視為協變量。
當時，我正在考慮通過根據年齡和性別調整生物標誌物 A，使用圖形構建器創建與運動嚴重性評分 Y 的相關圖。
如果您能讓我們知道如何使用 JMP 獲得年齡和性別調整的生物標誌物 X 與運動嚴重程度評分 Y 的散點圖，我們將不勝感激。
圖形蘋果系統腳本編寫回复：通過根據年齡和性別調整生物標誌物 A，使用圖形構建器繪製運動嚴重性評分 Y 的相關圖我剛拿了一個快的查看提供的數據和您的一些問題。 以下是我在數據中看到的內容和一些問題：
1. 我沒有數據的任何上下文。 DAT 或 MDS 中有多少變化具有實際意義？
2.關於MDS和DAT之間的相關性，沒有很強的相關性（r=-0.32），並且存在一些潛在的異常值（Mahalanobis，7）。 這沒有考慮年齡/性別的影響。
3.從DAT與年齡和性別的關係來看，性別幾乎沒有關係（擬合模型）。 年齡具有統計學意義。 這兩個術語僅佔數據變化的約 20%。 隨著年齡的增加，DAT 會下降。
4. DAT 和 MDS 之間似乎確實存在線性關係，但在該模型中，年齡和性別都無關緊要。 包含所有三個項的模型占數據變異的約 8%。
您對測量系統的信心如何？
回复：通過根據年齡和性別調整生物標誌物 A，使用圖形構建器繪製運動嚴重性評分 Y 的相關圖你好@KF2 ,
一種可能性是根據年齡和性別對生物標誌物 X 進行回歸，保存殘差，然後在圖形構建器中將它們與運動嚴重性評分 Y 作圖作為簡單的散點圖。 這就是你提供的數據的樣子，
另一種將年齡和性別視為協變量的可能性是進行層次回歸。 換句話說，您可以擬合一個回歸模型，其中年齡和性別預測您的結果，然後擬合另一個回歸模型，其中年齡、性別和生物標誌物 X 預測您的結果。 您將獲得每個模型的 R 平方（結果分別為 0.002 和 0.11）。 然後，您可以查看效應的“順序檢驗”（或 I 型平方和），以獲得從一個模型到另一個模型的解釋方差變化的檢驗。 在這種情況下，變化具有統計顯著性，F 值為 11.23，p = .001。
我在附加的數據表中保存了每個步驟的腳本。
哈，
~勞拉
回复：通過根據年齡和性別調整生物標誌物 A，使用圖形構建器繪製運動嚴重性評分 Y 的相關圖感謝你的回复。
我們想澄清生物標誌物 X（DATQUANT：因變量）和運動嚴重程度評分 Y（MDS-UPDRS-3：解釋變量）之間是否存在線性關係。 由於年齡和生理性別影響生物標誌物 X，我們將它們視為協變量。 我們想進行多元回歸。
[X (DATQUANT: 因變量)] = a1*Y (MDS-UPDRS-3: 解釋變量) + a2*[age] + a3 + 殘差
a1, a2 : 每個解釋變量的斜率係數
a3：生物性別的常數項
現在我們想可視化[年齡和性別調整（DATQUANT：因變量）]和Y（MDS-UPDRS-3：解釋變量）之間的關係
所以我們要準備散點圖
調整後的 X (a1*[X(DATQUANT: 連續變量)] - a2*[age] - a3) vs. Y (MDS-UPDRS-3: 因變量)
如果您能給我們意見和建議，我們將不勝感激。
提前謝謝了。
