ANOVA con dati binari: cosa significano questi valori anomali estremi?Salve, 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 a vulcano né sui dati associati. Ad esempio, per il gene S il Gruppo 1 ha un'omogeneità del 100% (media di 1) e HC ha una media di 0,2. Tuttavia, il grafico a 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 sull'asse X che non sono significativi? Ci sono due gruppi sull'asse X che non partecipano al V con gli altri punti e non sono sicuro di cosa significhino questi valori anomali.
Voglio essere sicuro di utilizzare le impostazioni corrette per i miei dati, poiché mi aspettavo che geni come il gene S fossero significativamente diversi tra i gruppi.
Di seguito sono riportate alcune impostazioni specifiche:
Distribuzione del modello: binario
Funzione di collegamento: Logit
Semplici differenze
Metodo di test multiplo: FDR
-log10(valore p) Cutoff: 1.3
Ho incluso anche i dati di input utilizzati per l'ANOVA e i dati di output associati 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 manualmente il LSMean, ho ottenuto un risultato diverso da quello ottenuto da JMP, quindi vorrei vedere cosa viene calcolato specificamente per ottenere i dati nel file di dati associato.
Grazie MILLE per qualsiasi aiuto!!!
Ricerca sui consumatori e sul mercatoFusione e pulizia dei datiPersonalizzazione di massaRi: ANOVA con dati binari - Cosa significano questi valori anomali estremi?Ciao @JMPUser5400 ,
La distribuzione binaria non è un'opzione in JMP Pro, ma Binomial lo è (stessa funzione di collegamento). La distribuzione binomiale darà un risultato simile a quello binario in JMP Genomics (tranne che le differenze saranno positive invece che negative perché sarà Gruppo 1 - HC che risulterebbe essere una differenza positiva e ha lo stesso problema della distribuzione binaria). Contatterei sicuramente l'assistenza in merito ai risultati ottenuti in JMP Genomics per questi dati binari.
Fit Model non accetterà più di due risposte per la distribuzione binomiale, ma se si sceglie di rendere tutti i geni come numerici e nominali (categorici), quindi utilizzare lo screening della risposta, si otterranno differenze e valori p simili a quelli che si otterrebbero utilizzando la distribuzione binomiale. L'ANOVA unidirezionale presuppone una distribuzione normale con ciascun gruppo che ha la varianza uguale come impostazione predefinita, ma ci sono altri test di confronto delle medie che non lo fanno.
Non sono sicuro del commento sulla varianza, ma la varianza sarebbe 0 per una risposta omogenea di 1 in un gruppo per ANOVA. Penso che sia per questo che una distribuzione binaria o binomiale funzionerebbe meglio e definire i geni come numerici ma nominali/categorici potrebbe essere la strada migliore da percorrere.
Quindi quello che ho fatto per studiare il gene 7092 è usare Fit Y by X con esso definito come variabile continua ma anche come variabile nominale (test eseguiti diversi ma risultati simili). Ho quindi esaminato la schermata di risposta per tutti i geni con loro definiti come variabili continue o nominali e ho esaminato i risultati. Quindi rispetto a quanto riportato da JMP Genomics per i valori p. Le differenze sembravano uguali (come dovrebbero).
Ri: ANOVA con dati binari - Cosa significano questi valori anomali estremi?Ciao chris,
Grazie per la vostra risposta. Sei riuscito a specificare i metodi Binary e Logit su JMP Pro? Ho JMP Pro, tuttavia, non ne sono esperto e non riesco a trovare quelle specifiche per l'analisi Oneway lì. In questo caso, JMP Pro presuppone probabilmente una distribuzione normale e quindi fornisce una risposta diversa. I calcoli che ho fatto a mano presupponevano anche una distribuzione normale (ho appena fatto una classica somma di medie al quadrato e approccio al test F), e il valore P era MOLTO basso (come .0000004). Anche se il modello non è corretto, sono d'accordo che è 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 da poter trasmettere loro le informazioni? Grazie!
Nella tua prima risposta hai menzionato che la varianza è un problema. Dopo aver esaminato i dati, pensi che potrebbe essere il problema? I dati del Gruppo 1 sono troppo omogenei? In tal caso, come potrei risolvere questo problema?
Grazie per le informazioni sul GLIMMIX! Non avevo trovato quella risorsa.
Ri: 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 con JMP Genomics. Ho provato a utilizzare JMP da solo (gene 7092 come Y e i due gruppi come X in Fit Y per X, utilizzando ANOVA a una via o Contingency) e ottenere un valore p molto piccolo che soddisfi il limite di -log10 (p -value) = 1.3 cutoff e quindi statisticamente significativo.Contatterei il supporto tecnico ( support@jmp.com ) per capire perché c'è una tale differenza poiché non riesco a spiegare perché sarebbe così diverso. Anche a me deve mancare qualcosa.
È inoltre possibile utilizzare la piattaforma Screening risposta nel menu Analizza>Screening in alto ed essere in grado di eseguire la stessa attività di JMP Genomics ANOVA.L'unica differenza è che dovresti importare il file Excel all'interno di JMP (trascina e rilascia facilmente e assicurati che le prime due righe siano intestazioni), trasponi i dati, quindi analizza la colonna con le informazioni di gruppo e di esempio in due colonne (testo alle colonne in Cols>Utilities). L'output dello screening della risposta non ti fornisce un grafico del vulcano, ma se scegli Salva confronta medie dal triangolo rosso accanto a Screening della risposta, puoi quindi creare un grafico del vulcano usando 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 LSMeans, come lo fai?
A proposito, stiamo usando SAS PROC GLIMMIX per il modello ANOVA in JMP Genomics ( Panoramica: PROC GLIMMIX :: SAS/STAT(R) 13.1 Guida per l'utente ). Questo collegamento contiene molti dettagli e opzioni che non vengono utilizzati in JMP Genomics, ma fornisce le basi della matematica alla base di ogni opzione, quando appropriato.
Inoltre, i valori p mostrati nel grafico del vulcano non sono corretti FDR. Viene corretta solo la linea orizzontale (cutoff). Pertanto, quando si utilizza il valore di cutoff Enter new -log10(p) di 1,3, viene mostrata una linea per il cutoff di ciascun gene con un valore p non corretto.
Ri: 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 il gene S corrisponde al gene n. 7092. Sono questi i dati di cui hai bisogno? 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 su ANOVA, tuttavia, nessuna di esse elenca le formule specifiche utilizzate in questi calcoli, sfortunatamente.
Grazie ancora!
Ri: 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, sono presenti "?" accanto a ciascuna opzione che fornisce maggiori 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 il metodo di standardizzazione è impostato su STD. Non penso che tu ne abbia bisogno poiché 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 ottenendo qualcosa di 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 pari a 0 nel Gruppo 1 (tutti 1) potrebbe causare problemi.
Sospetto che il problema potrebbe essere il metodo di standardizzazione.
Puoi anche contattare support@jmp.com per approfondire i dettagli di implementazione e ulteriore assistenza in materia se i dati sono sensibili.
Saluti,
