ANOVA con datos binarios: ¿Qué significan estos valores atípicos extremos?Hola, tengo un gran conjunto de datos binarios (0, 1). Estoy usando JMP Genomics ANOVA para comparar las medias entre dos grupos. Esperaba una diferencia significativa entre el Grupo 1 y HC para ciertos genes que no están representados como significativos en el gráfico de volcán ni en los datos asociados. Por ejemplo, para el gen S, el grupo 1 tiene una homogeneidad del 100 % (media de 1) y HC tiene una media de 0,2. Sin embargo, el gráfico de volcán (adjunto) muestra un valor X de -10 y un valor Y de solo 0,3 (donde un valor Y de 1,3 es significativo). ¿Puede decirme qué conduce a estos valores extremos del eje X que no son significativos? Hay dos grupos en el eje X que no participan en la V con los otros puntos y no estoy seguro de qué significan estos valores atípicos.
Quiero asegurarme de que estoy usando la configuración correcta para mis datos, ya que realmente esperaba que genes como el gen S fueran significativamente diferentes entre los grupos.
A continuación se muestran algunas configuraciones específicas:
Distribución del modelo: binario
Función de enlace: Logit
Diferencias simples
Método de prueba múltiple: FDR
-log10(valor p) Punto de corte: 1,3
También he incluido la entrada de datos que utilicé para ANOVA y también la salida de datos asociada solo para el Gen S como ejemplo.
Además, ¿alguien puede indicarme la documentación de las fórmulas específicas que se utilizan para calcular el ANOVA y los datos asociados? Cuando calculé el LSMean a mano, obtuve un resultado diferente al que obtuvo JMP, por lo que quiero ver qué se calcula específicamente para obtener los datos en el archivo de datos asociado.
¡¡¡Muchas gracias por cualquier ayuda!!!
Investigación de mercado y consumoCombinación y limpieza de datosPersonalización masivaRe: ANOVA con datos binarios: ¿qué significan estos valores atípicos extremos?Hola @JMPUser5400 ,
La distribución binaria no es una opción en JMP Pro, pero Binomial sí lo es (misma función de enlace). La distribución binomial dará un resultado similar al binario en JMP Genomics (excepto que las diferencias serán positivas en lugar de negativas porque será el Grupo 1 - HC el que terminará como una diferencia positiva y tiene el mismo problema que la distribución binaria). Definitivamente me pondré en contacto con el soporte con respecto a los resultados que obtiene en JMP Genomics para estos datos binarios.
Fit Model no aceptará más de dos respuestas para la distribución binomial, pero si elige hacer que todos los genes sean numéricos y nominales (categóricos), luego use la detección de respuestas, obtendrá diferencias y valores de p similares a los que obtendría utilizando distribución binomial. ANOVA unidireccional asume una distribución normal con cada grupo que tiene la misma varianza por defecto, pero hay otras pruebas de comparación de medias que no la tienen.
No estoy seguro sobre el comentario de la varianza, pero la varianza sería 0 para una respuesta homogénea de 1 en un grupo para ANOVA. Creo que es por eso que una distribución binaria o binomial funcionaría mejor y definir los genes como numéricos pero nominales/categóricos podría ser la mejor manera de hacerlo.
Entonces, lo que hice para investigar el gen 7092 fue usar Fit Y by X definido como una variable continua pero también como una variable nominal (se realizaron diferentes pruebas pero se obtuvieron resultados similares). Luego miré la pantalla de respuesta para todos los genes con ellos definidos como variables continuas o nominales y miré los resultados. Luego se comparó con lo que informó JMP Genomics para los valores de p. Las diferencias se veían iguales (como deberían).
Re: ANOVA con datos binarios: ¿qué significan estos valores atípicos extremos?Hola Chris,
Gracias por su respuesta. ¿Pudo especificar métodos binarios y logit en JMP Pro? Tengo JMP Pro, sin embargo, no estoy muy versado en él y no puedo encontrar esas especificaciones para el análisis Oneway allí. En este caso, JMP Pro probablemente asume una distribución normal y, por lo tanto, da una respuesta diferente. Los cálculos que hice a mano también asumieron una distribución normal (simplemente hice una suma clásica de medios cuadrados y un enfoque de prueba F), y el valor P fue MUY bajo (como .0000004). Aunque el modelo no es correcto, estoy de acuerdo en que es extraño que el enfoque binario cambie tanto el valor de P. Especialmente cuando hay otros genes para los que los datos parecen peores pero el valor de p es significativo. Puedo comunicarme con el soporte técnico acerca de estas diferencias, sin embargo, ¿le importaría explicar cómo obtuvo el resultado de JMP Pro para que pueda pasarles la información? ¡Gracias!
En su primera respuesta mencionó que la variación es un problema. Después de ver los datos, ¿crees que ese podría ser el problema? ¿Los datos del Grupo 1 son demasiado homogéneos? Si es así, ¿cómo podría solucionar esto?
¡Gracias por la información sobre el GLIMMIX! No había encontrado ese recurso.
Re: ANOVA con datos binarios: ¿qué significan estos valores atípicos extremos?Gracias @JMPUser5400 ,
Esto es exactamente lo que esperaba ver. Probé el gen 7092 solo y con todos los demás genes y obtuve el mismo valor p que obtuvo en JMP Genomics. Intenté usar JMP solo (el gen 7092 como Y y los dos grupos como X en Ajustar Y por X, ya sea usando ANOVA unidireccional o Contingencia) y obtuve un valor p muy pequeño que satisfaría el límite de -log10 (p -valor) = 1,3 de corte y, por lo tanto, estadísticamente significativo.Me pondria en contacto con el soporte tecnico ( support@jmp.com ) para averiguar por qué hay tal diferencia ya que no puedo explicar por qué sería tan diferente. Yo también debo estar perdiendo algo.
También puede usar la plataforma de detección de respuesta en el menú Analizar> Detección en la parte superior y poder realizar la misma tarea que JMP Genomics ANOVA.La única diferencia es que tendría que importar el archivo de Excel dentro de JMP (arrastrar y soltar fácilmente y asegurarse de que las dos primeras filas sean encabezados), Transponer los datos, luego analizar la columna con información de grupo y muestra en dos columnas (texto a las columnas bajo Cols>Utilities). El resultado de la detección de respuesta no le brinda un gráfico de volcán, pero si elige Guardar medias de comparación en el triángulo rojo junto a Evaluación de respuesta, puede hacer un gráfico de volcán usando la diferencia como X y luego crear una columna que transforme Plain Dif PValue a -log10 (valor p) para trazar en Y.
Pregunta: Cuando calcula LSMeans a mano, ¿cómo lo hace?
Por cierto, estamos usando SAS PROC GLIMMIX para el modelo ANOVA en JMP Genomics ( Descripción general: PROC GLIMMIX :: SAS/STAT(R) 13.1 Guía del usuario ). Este enlace tiene muchos detalles y opciones que no usamos en JMP Genomics, pero brinda la base de las matemáticas detrás de cada opción, cuando corresponde.
También para tener en cuenta, los valores p que se muestran en el gráfico del volcán no están corregidos por FDR. Solo se corrige la línea horizontal (corte). Entonces, cuando usa el valor de corte Ingrese nuevo -log10 (p) de 1.3, muestra una línea para el corte de cada gen con un valor p no corregido.
Re: ANOVA con datos binarios: ¿qué significan estos valores atípicos extremos?Hola @Chris_Kirchberg ,
¡Gracias por su respuesta! Desafortunadamente, cambiar el método de estandarización a estar en blanco no solucionó el problema, pero gracias por la sugerencia.
Adjunté los datos de entrada que utilicé para el análisis ANOVA, así como los "datos asociados" de salida que generó JMP. Está anonimizado, pero el gen S corresponde al gen #7092. ¿Son estos los datos que necesitas? ¡Estoy feliz de enviar cualquier cosa que sea útil para resolver este problema!
Además, he leído todos los "?" y las guías del usuario de JMP Genomics sobre ANOVA, sin embargo, ninguno de ellos enumera las fórmulas específicas utilizadas en estos cálculos, lamentablemente.
¡Gracias de nuevo!
Re: ANOVA con datos binarios: ¿qué significan estos valores atípicos extremos?Hola @JMPUser5400 ,
Si está utilizando ANOVA, la documentación comienza aquí: Descripción del proceso (jmp.com)
Sin embargo, dentro del cuadro de diálogo de ANOVA, hay "?" al lado de cada opción que sí da más información.Una cosa a tener en cuenta es que cada pestaña tiene un conjunto de opciones predeterminadas. Uno que podría estar causándole problemas se encuentra en la pestaña Opciones, donde el Método de estandarización está establecido en STD. No creo que necesites esto ya que tienes datos binarios. Intente elegir la opción de espacio vacío en la parte superior, lo que significa que no se utiliza ningún método de estandarización.
Sin ver los datos reales, es difícil solucionar el problema de por qué está obteniendo algo diferente de lo esperado. La varianza de cada grupo contribuye al valor p incluso en diferencias medias más grandes. Entonces, en HC, podría haber una media de 0,2 de todos los 1, pero la varianza podría ser muy grande. Además, una variación de 0 en el Grupo 1 (todos 1) también podría causar problemas.
Sospecho que el problema podría ser el método de estandarización.
También puedes contactar support@jmp.com para profundizar en los detalles de implementación, así como ayuda adicional al respecto si los datos son confidenciales.
Salud,
