ANOVA con dati binari - Cosa significano questi valori anomali estremi?Ciao, ho un ampio set di dati binari (0, 1). Sto usando JMP Genomics ANOVA per confrontare le medie tra due gruppi. Mi aspettavo una differenza significativa tra il Gruppo 1 e HC per alcuni geni che non sono rappresentati come significativi sul grafico del vulcano né nei dati associati. Ad esempio, per Gene S il gruppo 1 ha un'omogeneità del 100% (media di 1) e HC ha una media di 0,2. Tuttavia, il grafico del vulcano (allegato) mostra un valore X di -10 e un valore Y di solo 0,3 (dove un valore Y di 1,3 è significativo). Puoi dirmi cosa porta a questi valori estremi dell'asse X che non sono significativi? Ci sono due gruppi sull'asse X che non partecipano alla V con gli altri punti e non sono sicuro di cosa significhino questi valori anomali.
Voglio assicurarmi di utilizzare le impostazioni corrette per i miei dati poiché mi aspettavo davvero che geni come Gene S fossero significativamente diversi tra i gruppi.
Di seguito sono riportate alcune impostazioni specifiche:
Distribuzione del modello: binaria
Funzione di collegamento: Logit
Differenze semplici
Metodo di prova multiplo: FDR
-log10(valore p) Taglio: 1.3
Ho anche incluso l'input di dati che ho usato per ANOVA e anche l'output di dati associato solo per Gene S come esempio.
Inoltre, qualcuno può indicarmi la documentazione per le formule specifiche utilizzate per calcolare l'ANOVA e i dati associati? Quando ho calcolato LSMean a mano, ho ottenuto un risultato diverso da quello ottenuto da JMP, quindi voglio vedere cosa viene calcolato specificamente per ottenere i dati nel file di dati associato.
Grazie mille per qualsiasi aiuto!!!
AnaliticaGraficaAltroRe: ANOVA con dati binari - Cosa significano questi valori anomali estremi?Ciao @JMPUser5400 ,
Se stai usando ANOVA la documentazione inizia qui: Descrizione del processo (jmp.com)
Tuttavia, all'interno della finestra di dialogo per ANOVA, ci sono "?" accanto a ciascuna opzione che fornisce ulteriori informazioni.Una cosa da tenere presente è che ogni scheda ha una serie di opzioni predefinite. Uno che potrebbe darti problemi è nella scheda Opzioni in cui Metodo di standardizzazione è impostato su STD. Non penso che tu abbia bisogno di questo dato che hai dati binari. Prova a scegliere l'opzione spazio vuoto in alto, il che significa che non viene utilizzato alcun metodo di standardizzazione.
Senza vedere i dati effettivi, è difficile risolvere il motivo per cui stai diventando così diverso dal previsto. La varianza per ciascun gruppo contribuisce al valore p anche in differenze medie maggiori. Quindi in HC potrebbe esserci una media di 0,2 di tutti gli 1 ma la varianza potrebbe essere molto grande. Inoltre, anche una varianza di 0 nel Gruppo 1 (tutti gli 1) potrebbe causare problemi.
Sospetto che il problema possa essere il metodo di standardizzazione.
Puoi anche contattare support@jmp.com per approfondire i dettagli di implementazione e ulteriore aiuto in materia se i dati sono sensibili.
Saluti,
Re: ANOVA con dati binari - Cosa significano questi valori anomali estremi?Ciao @Chris_Kirchberg ,
Grazie per la vostra risposta! La modifica del metodo di standardizzazione in bianco non ha risolto il problema, sfortunatamente, ma grazie per il suggerimento.
Ho allegato i dati di input che ho utilizzato per l'analisi ANOVA, nonché i "dati associati" di output generati da JMP. È anonimizzato, ma Gene S corrisponde al Gene #7092. Sono questi i dati che ti servono? Sono felice di inviare tutto ciò che sarà utile per risolvere questo problema!
Inoltre, ho letto tutti i "?" e le guide per l'utente di JMP Genomics sull'ANOVA, tuttavia, nessuna di esse elenca le formule specifiche utilizzate in questi calcoli, sfortunatamente.
Grazie ancora!
Re: ANOVA con dati binari - Cosa significano questi valori anomali estremi?Grazie @JMPUser5400 ,
Questo è esattamente quello che speravo di vedere. Ho provato il gene 7092 da solo e con tutti gli altri geni e ho ottenuto lo stesso valore p che hai ottenuto in JMP Genomics. Ho provato a usare JMP da solo (gene 7092 come Y e i due gruppi come X in Fit Y per X, usando ANOVA unidirezionale o Contingenza) e ottenere un valore p molto piccolo che soddisfi il cutoff di -log10(p -value) = 1,3 cutoff e quindi statisticamente significativo.Vorrei contattare il supporto tecnico ( support@jmp.com ) per capire perché c'è una tale differenza poiché non posso spiegare perché sarebbe così molto diverso. Anche a me deve mancare qualcosa.
Puoi anche utilizzare la piattaforma di Screening della risposta nel menu Analizza>Screening in alto ed essere in grado di eseguire lo stesso compito di JMP Genomics ANOVA.L'unica differenza è che dovresti importare il file Excel all'interno di JMP (facile trascinare e rilasciare e assicurarti che le prime due righe siano intestazioni), trasporre i dati, quindi analizzare la colonna con le informazioni di gruppo e di esempio in due colonne (testo alle colonne in Cols>Utility). L'output dello screening della risposta non fornisce un grafico del vulcano, ma se si sceglie Salva Confronta medie dal triangolo rosso accanto a Screening della risposta, è quindi possibile creare un grafico del vulcano utilizzando la differenza come X e quindi creare una colonna che trasforma Plain Dif PValue a -log10(p-value) per tracciare su Y.
Domanda: Quando calcoli manualmente i LSMeans, come lo stai facendo?
A proposito, stiamo usando SAS PROC GLIMMIX per il modello ANOVA in JMP Genomics ( Panoramica: PROC GLIMMIX :: SAS/STAT(R) 13.1 Manuale dell'utente ). Questo collegamento contiene molti dettagli e opzioni che non utilizziamo in JMP Genomics, ma fornisce le basi della matematica alla base di ciascuna opzione, quando appropriato.
Inoltre, i valori p mostrati nel grafico del vulcano non sono corretti per FDR. Viene corretta solo la linea orizzontale (taglio). Quindi, quando si utilizza Enter new -log10(p) valore di cutoff di 1,3, viene visualizzata una linea per il cutoff di ciascun gene con un p-value non corretto.
Re: ANOVA con dati binari - Cosa significano questi valori anomali estremi?Ciao chris,
Grazie per la vostra risposta. Sei stato in grado di specificare i metodi Binary e Logit su JMP Pro? Ho JMP Pro, tuttavia, non ne sono molto esperto e non riesco a trovare quelle specifiche per l'analisi Oneway lì. In questo caso, JMP Pro sta probabilmente assumendo una distribuzione normale e quindi fornisce una risposta diversa. I calcoli che ho fatto a mano hanno anche assunto una distribuzione normale (ho appena fatto una classica somma delle medie al quadrato e l'approccio del test F) e il valore P era MOLTO basso (come .0000004). Anche se il modello non è corretto, sono d'accordo sul fatto che sia strano che l'approccio binario cambi così tanto il valore P. Soprattutto quando ci sono altri geni per i quali i dati sembrano peggiori ma il valore p è significativo. Posso contattare l'assistenza tecnica in merito a queste differenze, tuttavia, ti dispiacerebbe spiegare come hai ottenuto il risultato di JMP Pro in modo che io possa passare loro le informazioni? Grazie!
Nella tua prima risposta hai menzionato che la varianza era un problema. Dopo aver esaminato i dati, pensi che potrebbe essere quello il problema? I dati del Gruppo 1 sono troppo omogenei? Se sì, come potrei risolvere questo problema?
Grazie per le informazioni sul GLIMMIX! Non avevo trovato quella risorsa.
