test t apparié avec données censuréesBonjour, j'ai des données de comptage microbien (log 10) qui sont censurées. Le but est de comparer une période de test à une ligne de base et de déterminer s'il y a une réduction statistiquement significative des numérations microbiennes. D'après ce que je peux voir, seul Gen Reg peut faire des données censurées et utiliser un facteur de blocage. Le facteur de blocage est le seul moyen auquel je puisse penser pour lier les résultats appariés du test et de la ligne de base. Mais il semble que je n'aie pas assez de degrés de liberté pour effectuer le test ? Et les blocs n'ont pas de sens pour moi, de la façon dont JMP les a interprétés ? Des suggestions ?
Partage et communication des résultatsRe : test t apparié avec données censuréesMerci Peng, je comprends votre solution et c'est exactement ce que je cherchais.De plus, ma formulation précédente était un peu vague : j'essayais de dire que Gen Reg fonctionne avec des données censurées, mais pas avec des données appariées.Cordialement Paul
Re : test t apparié avec données censuréesMerci d'avoir corrigé les données. Je pense que je comprends mieux le problème.
Tout d'abord, permettez-moi de répondre à la dernière question. Si vous fournissez une colonne Censeur, le logiciel suppose qu'il indique une censure correcte à l'aide du code Censeur de votre choix dans la boîte de dialogue de lancement. C'est la convention suivie par toutes les plates-formes JMP qui implique la censure. Si vous souhaitez exprimer différents types de censure, par exemple la censure à gauche, vous devez suivre une convention pour créer des données différemment. Cette discussion pourrait être la plus utile : Introduction à l'analyse des données censurées .
Je ne trouve pas que GenReg prend en charge le test apparié dans la documentation. Je l'apprécierai, si vous pouvez indiquer l'emplacement. Par contre, je vais utiliser d'autres outils pour régler ce problème.
J'ai d'abord divisé les données pour en former une nouvelle:
Et voici le résultat:
Si l'on avait fait un test t apparié, si aucune donnée n'est censurée, on calculerait d'abord les différences par paires des lignes individuelles. Ensuite, la question devient de savoir si les différences ne sont pas différentes de zéro. Mais nous avons des données censurées. J'assume la bonne censure. Sinon, modifiez le calcul en conséquence.
Tout d'abord, je vais créer une colonne en tant que Test - Base, comme on le ferait pour un test t apparié.
Maintenant, regardez les valeurs, c'est-à-dire les différences, et pensez à ce qu'elles signifient. Regardez la première ligne : 4,91 - 5,54 = -0,635583025471626. Ici, 5,54 est censuré, ce qui signifie que la valeur réelle est supérieure à 5,54. Ainsi, la différence réelle sera inférieure à -0,635583025471626. Par conséquent, cela fait de -0,635583025471626 une observation censurée à gauche.
Et la même logique s'applique à toutes les lignes où les observations de base sont censurées. Si les observations de base ne sont pas censurées, les différences sont des valeurs exactes.
Créez maintenant deux nouvelles colonnes, comme ce qui a été dit ici : Introduction à l'analyse des données censurées .
Pour les lignes individuelles, si Left est Missing, Right ne l'est pas, il s'agit d'une observation censurée à gauche. Si Gauche et Droite ne manquent pas, et qu'elles sont égales, c'est une observation exacte. Utilisez la distribution de vie comme suit :
Ensuite, adaptez une distribution, et Normal me semble bon.
Maintenant, la question est de savoir si l'estimation du paramètre de localisation est significativement différente de zéro. Si la réponse est oui, alors les deux groupes sont significativement différents. Non, sinon. Dans cet exemple, en supposant que j'ai deviné corrigé que la censure dans les données signifie une censure correcte, alors deux groupes ne semblent pas significativement différents. Si j'avais mal deviné, le type de censure des différences aurait été la bonne censure. Modifiez ensuite les étapes en conséquence.
Re : test t apparié avec données censuréescomme Peng, merci - ma logique est défectueuse pour étiqueter les observations comme "Y" ou "N" dans la colonne Censurée. "Y" doit se produire lorsque la période = base et le TSA.Count.L10 = 5,54.La formule que j'ai utilisée est ci-dessous.Mais maintenant je réalise que ça ne marche pas, alors j'ai juste codé les données censurées à la main.de plus, lorsque j'ai empilé les données, j'ai en quelque sorte fait toutes les valeurs de base = 5,54, ce qui n'est pas correct.Je l'ai probablement fait lorsque j'essayais d'écrire la formule Censor.
La raison du facteur de bloc est qu'il s'agit en réalité d'un test t apparié.La comparaison est TSA.Count.L10 pour la période de base par rapport à la période de test, dans chaque pièce d'équipement, par exemple dans la machine à glaçons + couvercle.J'utiliserais directement la plate-forme de test T apparié, mais elle ne tient pas compte des données censurées.Gen Reg le fait.Les blocs désignent alors les comparaisons appariées, du moins c'était mon espoir.
Question : les données sont censurées à droite -- comment la plate-forme Gen Reg sait-elle de quel côté se trouve la censure ?
If( :Period == "Base" & (:TSA.Count.L10 == 5.54),
"Y",
"N"
)
Re : test t apparié avec données censuréesCommençons par vos données. Il a des problèmes.
Selon votre déclaration du désir, j'ai fait une comparaison des estimations de distribution non paramétrique des deux périodes.
Et voici le résultat :
Voyez-vous le problème? La période de base n'a pas d'estimation non paramétrique.
Cela classe vos données par période vs censeur. Et semble que toutes vos observations de la période de base sont censurées. Les observations de la période de test ne le sont pas.
Il s'agit d'un diagramme en points de vos données, coloré par période. Toutes les observations de base ont la même valeur.
Supposons que les données n'ont pas les problèmes ci-dessus. Maintenant est la question, si vous voulez comparer les deux périodes, pourquoi ajoutez-vous Block ? Est-ce une variable explicative qui peut décrire les différences entre les deux périodes ? La décision de l'inclure dans le modèle ne devrait pas dépendre de la possibilité de produire une statistique. Je suggère donc de simplement supprimer Block de votre modèle et de voir si les résultats ont un sens pour vous, en supposant que les données sont bonnes.
Outre GenReg, deux autres plates-formes peuvent vous aider à étudier les données avec des observations censurées avec des variables de regroupement : Life Distribution avec regroupement (première capture d'écran ci-dessus) et Fit Life by X. Les deux pourraient être plus appropriés, si tout ce dont vous avez besoin est de comparer des groupes d'observations.
Mais au final, vos données ont de sérieux problèmes. Veuillez ne pas bulldozer les données en exécutant un logiciel et soyez satisfait du résultat. Peut être dangereux.
