gepaarter t-Test mit zensierten DatenHallo, ich habe Keimzahldaten (Log 10), die zensiert sind.Der Wunsch besteht darin, einen Testzeitraum mit einer Basislinie zu vergleichen und festzustellen, ob es eine statistisch signifikante Verringerung der Mikrobenzahlen gibt.Soweit ich sehen kann, kann nur Gen Reg zensierte Daten verarbeiten und einen Sperrfaktor verwenden.Der Blockierungsfaktor ist die einzige Möglichkeit, die ich mir vorstellen kann, um die gepaarten Test- und Baseline-Ergebnisse zu verknüpfen.Aber ich scheine nicht genug Freiheitsgrade zu haben, um den Test durchzuführen?Und die Blöcke ergeben für mich keinen Sinn, so wie JMP sie interpretiert hat?Irgendwelche Vorschläge?
AnalytikBetr.: gepaarter t-Test mit zensierten DatenBeginnen wir mit Ihren Daten. Es hat Probleme.
Gemäß Ihrer Wunschaussage habe ich einen Vergleich der nichtparametrischen Verteilungsschätzungen der beiden Perioden durchgeführt.
Und das ist das Ergebnis:
Siehst du das Problem? Der Basiszeitraum hat keine nichtparametrische Schätzung.
Dies tabelliert Ihre Daten nach Zeitraum vs. Zensor. Und anscheinend sind alle Ihre Beobachtungen aus der Basisperiode zensiert. Beobachtungen während der Testperiode sind es nicht.
Dies ist ein Punktdiagramm Ihrer Daten, gefärbt nach Periode. Alle Basisbeobachtungen haben denselben Wert.
Angenommen, die Daten haben keine der oben genannten Probleme. Nun stellt sich die Frage: Wenn Sie die beiden Zeiträume vergleichen möchten, warum fügen Sie Block hinzu? Handelt es sich um eine erklärende Variable, die die Unterschiede zwischen den beiden Perioden beschreiben kann? Die Entscheidung, es in das Modell aufzunehmen, sollte nicht davon abhängen, ob eine Statistik erstellt werden kann. Ich schlage daher vor, Block einfach aus Ihrem Modell zu entfernen und zu sehen, ob die Ergebnisse für Sie sinnvoll sind, vorausgesetzt, die Daten sind gut.
Neben GenReg können Ihnen zwei weitere Plattformen dabei helfen, Daten mit zensierten Beobachtungen mit Gruppierungsvariablen zu untersuchen: Lebensverteilung mit Gruppierung (erster Screenshot oben) und Fit Life by X. Die beiden könnten geeigneter sein, wenn Sie nur Gruppen von Beobachtungen vergleichen müssen.
Aber am Ende haben Ihre Daten ernsthafte Probleme. Bitte zerstören Sie die Daten nicht, indem Sie Software ausführen, und seien Sie mit dem Ergebnis zufrieden. Könnte gefährlich sein.
Betr.: gepaarter t-Test mit zensierten Datenals Peng, danke - meine Logik ist fehlerhaft, um Beobachtungen in der Spalte "Zensiert" als "Y" oder "N" zu kennzeichnen. "Y" sollte auftreten, wenn Period = Base und TSA.Count.L10 = 5,54 ist.Die Formel, die ich verwendet habe, ist unten.Aber jetzt merke ich, dass es nicht funktioniert, also habe ich die zensierten Daten einfach von Hand codiert.Außerdem habe ich beim Stapeln der Daten irgendwie alle Basiswerte = 5,54 gemacht, was nicht korrekt ist.Das habe ich wahrscheinlich getan, als ich versuchte, die Censor-Formel zu schreiben.
Der Grund für den Blockfaktor ist, dass dies wirklich ein gepaarter t-Test ist.Der Vergleich ist TSA.Count.L10 für den Basis- vs. Testzeitraum in jedem Gerät, z. B. in der Eismaschine + Deckel.Ich würde die Paired T-Test-Plattform direkt verwenden, aber sie berücksichtigt keine zensierten Daten.Gen Reg tut es.Die Blöcke bezeichnen dann die gepaarten Vergleiche, das war zumindest meine Hoffnung.
Frage: Die Daten sind rechtszensiert – woher weiß die Gen Reg-Plattform, auf welcher Seite die Zensur stattfindet?
If( :Period == "Base" & (:TSA.Count.L10 == 5.54),
"Y",
"N"
)
Betr.: gepaarter t-Test mit zensierten DatenDanke für die Korrektur der Daten. Ich glaube ich verstehe das Problem besser.
Lassen Sie mich zunächst die letzte Frage beantworten. Wenn Sie eine Zensurspalte angeben, geht die Software davon aus, dass sie mit dem Zensurcode Ihrer Wahl im Startdialog die richtige Zensur anzeigt. Das ist die Konvention, die von allen JMP-Plattformen befolgt wird, die Zensur beinhalten. Wenn Sie eine andere Art der Zensur ausdrücken möchten, z. B. Linkszensierung, müssen Sie einer Konvention folgen, um Daten unterschiedlich zu erstellen. Dieser Vortrag könnte am hilfreichsten sein: Einführung in die Analyse zensierter Daten .
Ich kann in der Dokumentation nicht finden, dass GenReg Paired-Tests unterstützt. Ich würde es zu schätzen wissen, wenn Sie auf den Ort hinweisen können. Andererseits werde ich andere Tools verwenden, um dieses Problem anzugehen.
Zuerst teile ich die Daten, um eine neue zu bilden:
Und hier ist das Ergebnis:
Hätte man einen paarweisen t-Test gemacht, würde man, wenn keine Daten zensiert sind, zunächst die paarweisen Differenzen einzelner Zeilen berechnen. Dann stellt sich die Frage, ob die Differenzen nicht von Null verschieden sind. Aber wir haben Daten zensiert. Ich gehe von der richtigen Zensur aus. Ändern Sie andernfalls die Berechnung entsprechend.
Zuerst werde ich eine Spalte als Test - Base erstellen, wie man es für einen gepaarten t-Test tun würde.
Betrachten Sie nun die Werte, dh die Unterschiede, und überlegen Sie, was sie bedeuten. Sehen Sie sich die erste Zeile an: 4,91 - 5,54 = -0,635583025471626. Hier wird 5,54 zensiert, was bedeutet, dass der tatsächliche Wert größer als 5,54 ist. Die tatsächliche Differenz beträgt also weniger als -0,635583025471626. Daher macht dies -0,635583025471626 zu einer linkszensierten Beobachtung.
Und die gleiche Logik gilt für alle Zeilen, in denen Basisbeobachtungen zensiert werden. Wenn Basisbeobachtungen nicht zensiert werden, sind die Differenzen exakte Werte.
Erstellen Sie nun zwei neue Spalten, wie hier gesagt wurde: Einführung in die Analyse zensierter Daten .
Wenn für einzelne Zeilen „Links fehlt“, „Rechts“ nicht vorhanden ist, handelt es sich um eine linkszensierte Beobachtung. Wenn sowohl Links als auch Rechts nicht fehlen und gleich sind, ist das eine genaue Beobachtung. Verwenden Sie die Lebensverteilung wie folgt:
Dann passen Sie eine Verteilung an, und Normal sieht für mich gut aus.
Nun stellt sich die Frage, ob sich die Lageparameterschätzung signifikant von Null unterscheidet. Wenn die Antwort ja ist, dann unterscheiden sich die beiden Gruppen signifikant. Nein, sonst. Angenommen, ich habe in diesem Beispiel richtig vermutet, dass die Zensur in den Daten eine richtige Zensur bedeutet, dann sehen zwei Gruppen nicht wesentlich anders aus. Wenn ich falsch geraten hätte, wäre die Art der Zensur der Unterschiede die richtige Zensur gewesen. Ändern Sie dann die Schritte entsprechend.
Betr.: gepaarter t-Test mit zensierten DatenDanke Peng, ich verstehe deine Lösung und genau danach habe ich gesucht.Außerdem war meine frühere Formulierung etwas vage: Ich habe versucht zu sagen, dass Gen Reg mit zensierten Daten arbeitet, aber nicht mit gepaarten Daten.Grüße, Paul
