이진 데이터를 활용한 ANOVA - 이러한 극단적인 이상치는 무엇을 의미할까요?안녕하세요, 저는 이진 데이터(0, 1)의 큰 집합을 가지고 있습니다. 저는 JMP Genomics ANOVA를 사용하여 두 그룹 간의 평균을 비교하고 있습니다. 저는 화산 플롯이나 관련 데이터에서 유의미하게 표현되지 않은 특정 유전자에 대해 그룹 1과 HC 간에 유의미한 차이가 있을 것으로 예상했습니다. 예를 들어, 유전자 S의 경우 그룹 1은 100% 동질성(평균 1)을 가지고 있고 HC의 평균은 0.2입니다. 그러나 화산 플롯(첨부)은 X 값이 -10이고 Y 값은 0.3에 불과합니다(여기서 Y 값 1.3은 유의미함). 유의미하지 않은 이러한 극단적인 X축 값이 발생하는 이유를 알려주시겠습니까? X축에는 다른 점과 함께 V에 참여하지 않는 두 그룹이 있으며 이러한 이상치가 무엇을 의미하는지 잘 모르겠습니다.
저는 Gene S와 같은 유전자가 그룹 간에 상당히 다를 것으로 예상했기 때문에 데이터에 적합한 설정을 사용하고 있는지 확인하고 싶습니다.
몇 가지 구체적인 설정은 다음과 같습니다.
모델 분포: 이진
링크 기능: Logit
간단한 차이점
다중 테스트 방법: FDR
-log10(p-값) 임계값: 1.3
또한 ANOVA에 사용한 데이터 입력과 Gene S에 대한 관련 데이터 출력도 예시로 포함했습니다.
또한, ANOVA와 관련 데이터를 계산하는 데 사용된 특정 공식에 대한 설명서를 알려줄 수 있는 사람이 있나요? LSMean을 수동으로 계산했을 때 JMP에서 얻은 결과와 다른 결과가 나왔기 때문에 관련 데이터 파일에서 데이터를 얻기 위해 구체적으로 무엇을 계산하는지 보고 싶습니다.
도움을 주셔서 정말 감사합니다!!!
소비자 및 시장 조사데이터 블렌딩 및 정리대량 맞춤형Re: 이진 데이터를 사용한 ANOVA - 이러한 극단적인 이상값은 무엇을 의미합니까?안녕 @JMPUser5400 ,
이진 분포는 JMP Pro에서 옵션이 아니지만 이항 분포는 (동일한 연결 기능)입니다. Binomial Distribution은 JMP Genomics의 Binary와 유사한 결과를 제공합니다(차이가 음수 대신 양수인 경우를 제외하고는 그룹 1 - HC가 되어 결국 양수 차이가 되고 Binary 분포와 동일한 문제가 발생함). 이 이진 데이터에 대해 JMP Genomics에서 얻은 결과와 관련하여 반드시 지원팀에 문의하겠습니다.
모델 적합은 이항 분포에 대해 두 개 이상의 응답을 허용하지 않지만 모든 유전자를 숫자 및 명목(범주형)으로 선택한 다음 응답 선별을 사용하면 얻을 수 있는 것과 유사한 차이 및 p-값을 얻을 수 있습니다. 이항 분포를 사용합니다. 단방향 ANOVA는 각 그룹이 기본적으로 등분산을 갖는 정규 분포를 가정하지만 그렇지 않은 다른 평균 비교 테스트가 있습니다.
분산 설명에 대해 잘 모르겠지만 ANOVA에 대한 한 그룹에서 1의 동종 응답에 대해 분산은 0이 됩니다. 그렇기 때문에 Binary 또는 Binomial Distribution이 더 잘 작동하고 유전자를 Numeric으로 정의하지만 Nominal/Categorical이 더 나은 방법일 수 있습니다.
그래서 제가 유전자 7092를 조사하기 위해 연속 변수로 정의된 Fit Y by X를 사용했지만 명목 변수로도 정의했습니다(다른 테스트를 수행했지만 유사한 결과를 얻음). 그런 다음 연속 또는 명목 변수로 정의된 모든 유전자에 대한 응답 화면을 살펴보고 결과를 살펴보았습니다. 그런 다음 JMP Genomics에서 보고한 p-값과 비교했습니다. 차이점은 동일하게 보였습니다.
Re: 이진 데이터를 사용한 ANOVA - 이러한 극단적인 이상값은 무엇을 의미합니까?안녕 크리스,
당신의 응답을 주셔서 감사합니다. JMP Pro에서 Binary 및 Logit 방법을 지정할 수 있었습니까? 나는 JMP Pro를 가지고 있지만 그것에 정통하지 않으며 거기에서 Oneway 분석에 대한 사양을 찾을 수 없습니다. 이 경우 JMP Pro는 아마도 정규 분포를 가정하여 다른 답을 제공할 것입니다. 내가 직접 계산한 계산도 정규 분포를 가정했고(나는 방금 고전적인 평균 제곱합과 F 테스트 접근 방식을 수행했습니다) P 값은 매우 낮았습니다(예: .0000004). 모델이 정확하지 않더라도 바이너리 접근 방식이 P 값을 많이 변경한다는 것이 이상하다는 데 동의합니다. 특히 데이터가 나빠 보이지만 p 값이 중요한 다른 유전자가 있는 경우. 이러한 차이점에 대해 기술 지원에 연락할 수 있지만 정보를 전달할 수 있도록 JMP Pro 결과를 얻은 방법을 설명해 주시겠습니까? 고맙습니다!
첫 번째 응답에서 분산이 문제라고 언급하셨습니다. 데이터를 살펴본 후 그것이 문제일 수 있다고 생각하십니까? 그룹 1의 데이터가 너무 동질적입니까? 그렇다면 어떻게 해결할 수 있습니까?
GLIMMIX에 대한 정보를 주셔서 감사합니다! 해당 리소스를 찾지 못했습니다.
Re: 이진 데이터를 사용한 ANOVA - 이러한 극단적인 이상값은 무엇을 의미합니까?감사 @JMPUser5400 ,
이것이 바로 내가 보고 싶었던 것입니다. 저는 7092 유전자 자체와 다른 모든 유전자를 사용해 보았고 JMP Genomics에서 했던 것과 동일한 p-값을 얻었습니다. 저는 JMP 자체를 사용해 보았습니다(유전자 7092를 Y로, 두 그룹을 Fit Y에서 X로, 단방향 ANOVA 또는 비상 사태를 사용하여) -log10(p -값) = 1.3 컷오프이므로 통계적으로 유의합니다.기술 지원팀( support@jmp.com ) 왜 그렇게 차이가 나는지 설명할 수 없기 때문에 왜 그런 차이가 있는지 알아내기 위해. 나도 뭔가를 놓치고 있어야합니다.
또한 상단의 분석>스크리닝 메뉴에서 Response Screening 플랫폼을 사용하여 JMP Genomics ANOVA와 동일한 작업을 수행할 수 있습니다.유일한 차이점은 JMP 내에서 Excel 파일을 가져와서(쉽게 끌어서 놓고 처음 두 행이 헤더인지 확인) 데이터를 바꾼 다음 그룹 및 샘플 정보가 있는 열을 두 개의 열(텍스트 Cols>Utilities 아래의 열에). 응답 스크리닝의 출력은 화산 플롯을 제공하지 않지만 응답 스크리닝 옆의 빨간색 삼각형에서 비교 평균 저장을 선택하면 차이를 X로 사용하여 화산 플롯을 만든 다음 Plain Dif PValue를 변환하는 열을 만들 수 있습니다. -log10(p-값)으로 Y에 플롯합니다.
질문: LSMeans를 직접 계산할 때 어떻게 합니까?
그런데 JMP Genomics의 ANOVA 모델에 SAS PROC GLIMMIX를 사용하고 있습니다( 개요: PROC GLIMMIX :: SAS/STAT(R) 13.1 사용 설명서 ). 이 링크에는 JMP Genomics에서 사용하지 않는 많은 세부 정보와 옵션이 있지만 해당되는 경우 각 옵션에 대한 수학의 기초를 제공합니다.
또한 참고로 화산 플롯에 표시된 p-값은 FDR 수정되지 않았습니다. 수평선(컷오프)만 수정됩니다. 따라서 Enter new -log10(p) 컷오프 값 1.3을 사용하면 보정되지 않은 p-값이 있는 각 유전자의 컷오프에 대한 선이 표시됩니다.
Re: 이진 데이터를 사용한 ANOVA - 이러한 극단적인 이상값은 무엇을 의미합니까?안녕 @Chris_Kirchberg ,
당신의 응답을 주셔서 감사합니다! 표준화 방법을 공백으로 변경해도 문제가 해결되지 않았지만 제안해 주셔서 감사합니다.
ANOVA 분석에 사용한 입력 데이터와 JMP에서 생성한 출력 "관련 데이터"를 첨부했습니다. 익명이지만 Gene S는 Gene #7092에 해당합니다. 이것이 필요한 데이터입니까? 이 문제를 해결하는 데 도움이 되는 모든 것을 보내드리게 되어 기쁩니다!
또한 "?"를 모두 읽었습니다. 그러나 JMP Genomics User's Guides on ANOVA에는 불행히도 이러한 계산에 사용된 특정 공식이 나열되어 있지 않습니다.
다시 한번 감사합니다!
Re: 이진 데이터를 사용한 ANOVA - 이러한 극단적인 이상값은 무엇을 의미합니까?안녕 @JMPUser5400 ,
ANOVA를 사용하는 경우 설명서는 여기에서 시작됩니다. 프로세스 설명(jmp.com)
그러나 ANOVA 대화 상자에는 "?" 자세한 정보를 제공하는 각 옵션 옆에 있습니다.한 가지 유의할 점은 각 탭에 기본 옵션 세트가 있다는 것입니다. 문제를 일으킬 수 있는 것은 표준화 방법이 STD로 설정된 옵션 탭에 있습니다. 바이너리 데이터가 있기 때문에 이것이 필요하다고 생각하지 않습니다. 표준화 방법이 사용되지 않음을 의미하는 상단의 빈 공간 옵션을 선택해 보십시오.
실제 데이터를 보지 않고는 예상과 다른 결과가 나오는 이유를 해결하기 어렵습니다. 각 그룹의 분산은 더 큰 평균 차이에서도 p-값에 기여합니다. 따라서 HC에서는 모든 1의 평균이 0.2일 수 있지만 분산이 매우 클 수 있습니다. 또한 그룹 1(모두 1)의 분산이 0이면 문제가 발생할 수 있습니다.
문제가 표준화 방법일 수 있다고 생각합니다.
당신은 또한 연락할 수 있습니다 support@jmp.com 데이터가 민감한 경우 문제에 대한 추가 도움말뿐만 아니라 구현 세부 사항에 대해 자세히 알아보십시오.
건배,
