ANOVA mit binären Daten – Was bedeuten diese extremen Ausreißer?Hallo, ich habe einen großen Satz binärer Daten (0, 1). Ich verwende JMP Genomics ANOVA, um die Mittelwerte zwischen zwei Gruppen zu vergleichen. Ich hatte einen signifikanten Unterschied zwischen Gruppe 1 und HC für bestimmte Gene erwartet, die weder im Vulkandiagramm noch in den zugehörigen Daten als signifikant dargestellt werden. Zum Beispiel hat For Gene S Group 1 100 % Homogenität (Mittelwert 1) und HC hat einen Mittelwert von 0,2. Das Vulkandiagramm (im Anhang) zeigt jedoch einen X-Wert von -10 und einen Y-Wert von nur 0,3 (wobei ein Y-Wert von 1,3 signifikant ist). Können Sie mir sagen, was zu diesen extremen X-Achsenwerten führt, die nicht signifikant sind? Es gibt zwei Gruppen auf der X-Achse, die nicht am V mit den anderen Punkten teilnehmen, und ich bin mir nicht sicher, was diese Ausreißer bedeuten.
Ich möchte sicherstellen, dass ich die richtigen Einstellungen für meine Daten verwende, da ich wirklich erwartet hatte, dass Gene wie Gene S zwischen den Gruppen signifikant unterschiedlich sein würden.
Nachfolgend finden Sie einige spezifische Einstellungen:
Modellverteilung: Binär
Verknüpfungsfunktion: Logit
Einfache Unterschiede
Mehrere Testverfahren: FDR
-log10(p-Wert) Grenzwert: 1,3
Ich habe auch die Dateneingabe, die ich für ANOVA verwendet habe, und auch die zugehörige Datenausgabe nur für Gene S als Beispiel beigefügt.
Kann mir auch jemand auf die Dokumentation für die spezifischen Formeln verweisen, die zur Berechnung der ANOVA und der zugehörigen Daten verwendet werden? Als ich den LSMean von Hand berechnet habe, habe ich ein anderes Ergebnis als JMP erhalten, daher möchte ich sehen, was speziell berechnet wird, um die Daten in der zugehörigen Datendatei zu erhalten.
VIELEN DANK für jede Hilfe!!!
AnalytikGrafikAndereBetreff: ANOVA mit Binärdaten - Was bedeuten diese extremen Ausreißer?Hallo @JMPUser5400 ,
Wenn Sie ANOVA verwenden, beginnt die Dokumentation hier: Prozessbeschreibung (jmp.com)
Im Dialog für ANOVA gibt es jedoch "?" neben jeder Option, die weitere Informationen enthält.Beachten Sie, dass jede Registerkarte über eine Reihe von Standardoptionen verfügt. Eines, das Ihnen Probleme bereiten könnte, ist die Registerkarte Optionen, wo die Standardisierungsmethode auf STD eingestellt ist. Ich glaube nicht, dass Sie das brauchen, da Sie binäre Daten haben. Versuchen Sie, oben die Option Leerzeichen zu wählen, was bedeutet, dass keine Standardisierungsmethode verwendet wird.
Ohne die tatsächlichen Daten zu sehen, ist es schwierig, Fehler zu beheben, warum Sie etwas anders als erwartet erhalten. Die Varianz für jede Gruppe trägt selbst bei größeren Mittelwertunterschieden zum p-Wert bei. In HC könnte es also einen Mittelwert von 0,2 aller Einsen geben, aber die Varianz könnte sehr groß sein. Auch eine Varianz von 0 in Gruppe 1 (alle 1er) kann ebenfalls Probleme verursachen.
Ich vermute, das Problem könnte die Standardisierungsmethode sein.
Sie können sich auch an uns wenden support@jmp.com um tief in die Implementierungsdetails einzusteigen sowie zusätzliche Hilfe zu diesem Thema, wenn die Daten sensibel sind.
Prost,
Betreff: ANOVA mit Binärdaten - Was bedeuten diese extremen Ausreißer?Hallo @Chris_Kirchberg ,
Danke für Ihre Antwort! Das Ändern der Standardisierungsmethode auf leer hat das Problem leider nicht behoben, aber danke für den Vorschlag.
Ich habe die Eingabedaten, die ich für die ANOVA-Analyse verwendet habe, sowie die von JMP generierten "zugehörigen Daten" angehängt. Es ist anonymisiert, aber Gene S entspricht Gen #7092. Sind das die Daten, die Sie brauchen? Ich sende gerne alles, was bei der Lösung dieses Problems hilfreich sein wird!
Außerdem habe ich alle "?" und JMP Genomics User's Guides on ANOVA, jedoch listet leider keines von ihnen die spezifischen Formeln auf, die in diesen Berechnungen verwendet werden.
Danke noch einmal!
Betreff: ANOVA mit Binärdaten - Was bedeuten diese extremen Ausreißer?Danke @JMPUser5400 ,
Das ist genau das, was ich zu sehen gehofft hatte. Ich habe das Gen 7092 allein und mit allen anderen Genen ausprobiert und erhalte den gleichen p-Wert wie Sie es in JMP Genomics getan haben. Ich habe versucht, JMP selbst zu verwenden (Gen 7092 als Y und die beiden Gruppen als X in Y nach X anpassen, entweder mit One-Way ANOVA oder Contingency) und einen sehr kleinen p-Wert erhalten, der den Grenzwert von -log10 (p -Wert) = 1,3 Cutoff und damit statistisch signifikant.Ich würde mich an den technischen Support wenden ( support@jmp.com ), um herauszufinden, warum es einen solchen Unterschied gibt, da ich nicht erklären kann, warum es so sehr unterschiedlich wäre. Auch mir muss etwas fehlen.
Sie können auch die Response-Screening-Plattform im Menü „Analysieren“ > „Screening“ oben verwenden und die gleiche Aufgabe wie JMP Genomics ANOVA ausführen.Der einzige Unterschied besteht darin, dass Sie die Excel-Datei in JMP importieren müssten (einfaches Ziehen und Ablegen und sicherstellen, dass die ersten beiden Zeilen Überschriften sind), die Daten transponieren und dann die Spalte mit Gruppen- und Probeninformationen in zwei Spalten (text zu den Spalten unter Cols>Utilities). Die Ausgabe des Response-Screenings gibt Ihnen kein Volcano-Plot, aber wenn Sie Save Compare Means aus dem roten Dreieck neben Response Screening auswählen, können Sie ein Volcano-Plot mit Differenz als X erstellen und dann eine Spalte erstellen, die Plain Dif PValue umwandelt bis -log10(p-Wert), um auf Y darzustellen.
Frage: Wenn Sie LSMeans von Hand berechnen, wie machen Sie das?
Übrigens verwenden wir SAS PROC GLIMMIX für das ANOVA-Modell in JMP Genomics ( Übersicht: PROC GLIMMIX :: SAS/STAT(R) 13.1 Benutzerhandbuch ). Dieser Link enthält viele Details und Optionen, die wir in JMP Genomics nicht verwenden, gibt aber gegebenenfalls die Grundlagen der Mathematik hinter jeder Option an.
Beachten Sie auch, dass die im Vulkandiagramm gezeigten p-Werte nicht FDR-korrigiert sind. Nur die horizontale Linie (Cutoff) wird korrigiert. Wenn Sie also den Cutoff-Wert Enter new -log10(p) von 1,3 verwenden, wird eine Linie für den Cutoff jedes Gens mit einem unkorrigierten p-Wert angezeigt.
Betreff: ANOVA mit Binärdaten - Was bedeuten diese extremen Ausreißer?Hallo Chris,
Danke für Ihre Antwort. Konnten Sie Binär- und Logit-Methoden in JMP Pro angeben? Ich habe JMP Pro, aber ich kenne mich damit nicht aus und kann diese Spezifikationen für die Oneway-Analyse dort nicht finden. In diesem Fall geht JMP Pro wahrscheinlich von einer Normalverteilung aus und gibt daher eine andere Antwort. Die Berechnungen, die ich von Hand durchgeführt habe, gingen auch von einer Normalverteilung aus (ich habe nur eine klassische Summe aus quadratischen Mittelwerten und einen F-Testansatz durchgeführt), und der P-Wert war SEHR niedrig (wie 0,0000004). Obwohl das Modell nicht korrekt ist, stimme ich zu, dass es seltsam ist, dass der binäre Ansatz den P-Wert so stark ändern würde. Besonders wenn es andere Gene gibt, für die die Daten schlechter aussehen, aber der p-Wert signifikant ist. Ich kann mich wegen dieser Unterschiede an den technischen Support wenden, aber könnten Sie mir erklären, wie Sie das JMP Pro-Ergebnis erhalten haben, damit ich die Informationen an sie weitergeben kann? Danke!
In Ihrer ersten Antwort haben Sie erwähnt, dass die Varianz ein Problem darstellt. Glauben Sie, nachdem Sie sich die Daten angesehen haben, dass das das Problem sein könnte? Die Daten für Gruppe 1 sind zu homogen? Wenn ja, wie könnte ich das beheben?
Vielen Dank für die Informationen zum GLIMMIX! Ich hatte diese Ressource nicht gefunden.
