530669_fr-FR

liliconcom

Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

Bonjour la communauté JMP,

 

Pour le contexte et au cas où cela aiderait à l'indexation Google, il s'agit d'un cas d'utilisation d'une expérience protéomique, et les « mesures » individuelles dans le fichier d'exemple ci-joint représentent la mesure individuelle d'un peptide.   

 

L'analyse Matched Pair me donne déjà la réponse dont j'ai besoin ( Analyse des paires appariées (jmp.com))

• Regrouper par "GroupBy"
• Faire correspondre deux conditions à la fois (par exemple, Drug00 contre Drug01, Drug00 contre Drug02, Drug00 contre Drug03)

 

Cependant, comme j'ai vraiment juste besoin de la valeur p du test t bilatéral, je dois actuellement :

• Traverser Analyse >> Modélisation spécialisée >> Paires appariées
• Sélectionnez deux colonnes Y à la fois (par exemple Drug00 et Drug01)
• par la colonne Par groupe
• Attendez la sortie avec les tracés et toutes les statistiques t
• Faire Tableau de données combinées
• Trier par colonne 4
• Faites défiler jusqu'à " Prob > |t| "
• Sélectionnez toutes les lignes avec "Prob > |t|" dans la colonne 4
• Inverser la sélection, puis supprimer les lignes sélectionnées

Question 1:

Existe-t-il un moyen de passer par JSL ou autrement, de simplement tabuler soit toutes les sorties statistiques (par exemple, différence moyenne, erreur standard, supérieur/inférieur à 95 %, Prob > |t|), ou mieux encore, simplement Prob > |t| ?Je ne sais pas par où commencer, car contrairement à Graph Builder, je n'arrive pas à comprendre comment "Enregistrer le script".

 

Question 2:

Résoudre la "Question 1" serait déjà très utile pour moi, mais existe-t-il un moyen d'effectuer plusieurs analyses de paires appariées (c'est-à-dire Médicament00 vs Médicament01 , Médicament00 contre Médicament02 , Médicament00 contre Médicament03 ) ?

Analyser >> Dépistage >> Réponse Le dépistage semble être ce que je recherche.Lancer la plateforme de sélection des réponses (jmp.com)

• Drogue01 , Drogue02 , et Drogue03 comme O, réponse
• Drogue00 comme X
• Regroupement par Par groupe
• Vérifié: Tableau des valeurs PV au lancement et X et Y jumelés

Cependant, je ne comprends pas clairement ce que Valeur P représente la colonne dans la sortie.

De plus, le Valeur P du flux de travail de dépistage des réponses ne correspond pas et semble être plus petit que n'importe laquelle des valeurs p unilatérales ou bilatérales que j'obtiens via le Analyse des paires appariées flux de travail ; le Prob > |t| valeurs de la Analyse des paires appariées le flux de travail semble plus raisonnable.

 

Merci pour vos conseils.

Mélange et nettoyage des donnéesles fenêtresRe : Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

Merci pour le détail.OK... pour utiliser le modèle mixte comme je l'ai décrit, vous devez d'abord empiler les données. Au final, il y aura quatre colonnes : GroupBy (caractère, nominal), Mesure (caractère, nominal), Médicament (caractère, nominal) et la mesure du peptide (numérique, continue). À l'aide de la plateforme Fit Model, Y est votre mesure de peptide, puis indiquez le médicament et la mesure comme effets du modèle. Mettez GroupBy comme variable "By".Ensuite, à l'aide du triangle déroulant "Attributs", définissez la mesure sur "Effet aléatoire" (et laissez "Composants de variance illimités" cochés, avec "Emphasis" défini sur "Criblage des effets"). Il s'agit d'un modèle mixte ; on l'appelle mixte car il contient des effets fixes (médicament) et effets aléatoires (Mesure).Il s'agit « simplement » d'un modèle ANOVA bidirectionnel... mixte modèle ANOVA bidirectionnel.

FWIW, voici quelques détails : https://www.lexjansen.com/pharmasug/2004/Posters/PO05.pdf

Marque

Re : Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

Merci pour la suggestion, @MRB3855 .

J'avoue que je ne connais pas le modèle mixte ou le Fit Model.

1) Oui, nous pouvons supposer une homoscédasticité, si vous voulez dire que nous nous attendons à la même variabilité quelle que soit l'ampleur des valeurs sous les colonnes Drug00/Drug01/Drug02/Drug03 (par exemple, pas besoin de connecter la transformation)

2) J'ai changé l'attribut « Mesure » en numérique, continu, mais je ne comprends pas les résultats (ci-joints).

• Peut-être n'ai-je pas été clair : lors de la conduite du Modélisation spécialisée >> Paires appariées , nous remplissons le " Par "boîte avec la colonne" Par groupe " ( pas "Regroupement X ").

 

Dans le même ordre d'idées, pourriez-vous m'indiquer lequel des types de modèles correspond à l'analyse des « paires assorties », si c'est à cela que vous faites référence ?Merci.

Présentation de la plateforme Fit Model (jmp.com)

Re : Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

Si je comprends bien votre question, l'analyse la plus complète est un modèle mixte. Vous aurez trois colonnes dans votre ensemble de données. GroupBy (caractère, nominal), Drug (caractère, nominal) et la mesure du peptide (numérique, continue).À l'aide de la plateforme Fit Model, Y est votre mesure de peptide, puis placez Drug et GroupBy comme effets de modèle.Ensuite, à l'aide du triangle déroulant "Attributs", définissez GroupBy sur "Effet aléatoire" (et laissez "Composants de variance illimités" cochés, avec "Emphasis" défini sur "Criblage des effets").Avec les hypothèses habituelles d'homoscédasticité, etc., il s'agit d'une version généralisée de l'analyse des paires appariées qui s'étend à deux groupes ou plus (médicaments dans votre cas). En fait, vous pouvez le vérifier en appliquant ce modèle mixte avec seulement deux médicaments. Les résultats seront identiques aux résultats des paires appariées pour ces deux médicaments. Les avantages de l’utilisation de ce modèle mixte sont nombreux. Parmi eux : Plus de puissance pour chaque comparaison, et toutes les capacités de la plateforme de modèles d'ajustement sont à votre disposition (comparaisons multiples, composantes de variance, etc.).

 

Marque

Re : Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

La ligne ProteinA est une erreur.Supprimez simplement toute la ligne.

Re : Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

Testez votre script sur 133 000 lignes et 10 conditions, et résolvez les deux questions.

 

j'ai dû éditer ProtéineA , et il faudra du temps pour apprendre ce que cela fait réellement plus tard.

SendToByGroup( {:GroupBy == "ProteinA"} ),

 

Merci, @txnelson !

Re : Analyse des paires appariées : compiler les statistiques t ; plusieurs réponses Y

Voyez si cela vous aide

Names Default To Here( 1 );
dt = Current Data Table();

colNames = dt << get column names( continuous );

// Start final data table
dtFinal = New Table( "Final", New Column( "Comparison", character ) );

For( i = 2, i <= N Items( colNames ), i++,
 platform = Data Table( "Matched_Pair_by_Group" ) <<
 Matched Pairs(
  invisible,
  SendToByGroup( {:GroupBy == "ProteinA"} ),
  Y( colNames[1], colNames[i] ),
  By( :GroupBy )
 );
 Wait( 0 );

    // Make combined data table
 dtCombined = Report( platform[1] )[Table Box( 1 )] << Make Combined Data Table;
 
    // Close report window
 Report( platform[1] ) << Close Window;

    // Keep only the Prob > |t| rows
 dtCombined << select where( :column 4 != "Prob > |t|" );
 dtCombined << delete rows;
 
 // Add the comparison column
 dtCombined << New Column( "Comparison",
  character,
  set each value( colNames[1] || " vs. " || colNames[i] )
 );

    // Add the data table to the Final data table
 dtFinal << concatenate( dtCombined, Append to first table( 1 ) );

    // Delete the Combined table
 Close( dtCombined, nosave );
);