Comment établir un diagramme de corrélation avec le score de gravité motrice Y à l'aide d'un générateur de graphique en ajustant le biomarqueur X en fonction de l'âge et du sexeNous souhaitons préciser s'il existe une relation linéaire entre le biomarqueur X (DATQUANT : variable dépendante) et le score de sévérité motrice Y (MDS-UPDRS-3 : variable explicative). Puisque l'âge et le sexe biologique influencent le biomarqueur X, nous les avons considérés comme des covariables. Nous souhaitons effectuer une régression multiple.
[X (DATQUANT : variable dépendante)] = a1*Y (MDS-UPDRS-3 : variable explicative) + a2*[âge] + a3 + résidus
a1, a2 : coefficients de pente pour chaque variable explicative
a3 : terme constant pour le sexe biologique
Maintenant, nous aimerions visualiser la relation entre [âge et sexe ajusté (DATQUANT : variable dépendante)] et Y (MDS-UPDRS-3 : variable explicative) Nous aimerions donc préparer un nuage de points ajusté X (a1*[X(DATQUANT : variable continue)] - a2*[age] - a3) vs. Y (MDS-UPDRS-3 : variable dépendante) Nous vous serions très reconnaissants de nous faire part de vos commentaires et suggestions. Merci d'avance.
AnalytiqueGraphiquemacOSScriptRe : Comment établir un diagramme de corrélation avec le score de gravité motrice Y à l'aide d'un générateur de graphique en ajustant le biomarqueur X en fonction de l'âge et du sexeSalut,
Je joins une version de votre table de données avec des modèles.
Le modèle complet inclut toutes les variables. À partir du profileur de prédiction, vous pouvez voir l'effet de votre variable explicative et des covariables. Le sexe n'est pas un gros effet.
Le modèle suivant n'a que le sexe et l'âge. A partir de ce modèle, nous sauvegardons les résidus : Menu triangle rouge > Enregistrer les colonnes > Résidus.
Ensuite, nous prenons l'interception de ce modèle et l'ajoutons aux résidus pour créer une nouvelle colonne, qui est la variable dépendante corrigée de l'effet de l'âge et du sexe.
Enfin, nous traçons cette variable dépendante corrigée en fonction de la variable explicative :
J'espère que ça aide.
Phil
