병렬성 테스트: 효능 분석에서 F-검정, 카이제곱, SRA모두들 안녕,
저는 효능 분석에 적합한 4PL의 병렬성을 테스트하기 위한 다양한 접근 방식을 평가하고 있습니다.나는 F-검정/카이제곱 접근 방식의 몇 가지 제한 사항/장단점을 알고 있습니다.우리 공급업체 중 하나는 테스트에 Slope Ratio 방법을 사용하고 있습니다.이 접근 방식의 장단점과 사용하기에 적합한 위치에 대해 생각하는 사람이 있습니까?마지막으로, JMP에서 이것을 구현한 사람이 있나요?
미리 감사드립니다.
크리스
고급 통계 모델링기본 데이터 분석 및 모델링답: 병렬성 테스트: 효능 분석에서 F-검정, 카이제곱, SRA제가 요청한 내용이 실수가 아닌 이상 JMP에 이미 구현되어 있다는 것을 알게 되실 것입니다.
병렬성 테스트(jmp.com)
답: 병렬성 테스트: 효능 분석에서 F-검정, 카이제곱, SRA안녕 @ClusterFerret68 : 본 포럼에는 가끔 이런 질문이 올라옵니다. 여기에 그러한 스레드가 하나 있습니다.
https://community.jmp.com/t5/Discussions/Parallelism-Testing-for-Groups-of-4PL-Curves/mp/622085#M82106
답: 병렬성 테스트: 효능 분석에서 F-검정, 카이제곱, SRA사실...저는 그 스레드에 대해 꽤 잘 알고 있습니다....감사합니다.
제가 요청한 것은 다양한 접근 방식의 근거/적합성에 대한 의견이었습니다.나는 추진력이 동등성 테스트로 옮겨가고 있다는 것을 이해합니다...그러나 많은 조직은 여전히 이를 채택하지 않았으며 전환을 지원하기 위해 "현재 추세는..." 등보다 더 많은 것을 제공하는 것은 우리 중 나머지 몫입니다( 예를 들어, 검증된 방법을 사용하는 GMP 환경에서).
나는 "포장을 풀어야"할 일이 많다는 것을 이해합니다...다른 사람들을 데려갈 수 있도록 포장을 푸는 데 약간의 시간을 할애할 의향이 있는 분들의 의견을 요청합니다.
답: 병렬성 테스트: 효능 분석에서 F-검정, 카이제곱, SRA안녕 @ClusterFerret68 : 다음은 고려해야 할 몇 가지 사항입니다(특정 순서 없음).
1. 동등성 테스트가 합리적입니다. 즉, 기울기의 x% 차이는 실제적인 관련성이 없습니다.
2. 전통적인 유의성 테스트는 작은 표본 크기(또는 잘못된 용량 수준 선택)를 보상합니다.
그리고 복용량에 따른 피험자의 분포); 분석가는 평행성의 귀무가설을 거부하지 않음으로써 실수로 평행성을 주장하지 않을 수 있습니다. 이런 생각은 (부드럽게 말하면) 옳지 않지만 의사결정이라는 현실 세계에서 흔히 일어나는 일이다. 이러한 맥락에서, 저전력 연구(작은 표본 크기 또는 잘못된 용량 수준 선택을 통해)
그리고 복용량에 따른 피험자의 분포)는 "병렬성을 주장"할 가능성이 더 높습니다.
3. 위의 2와 유사하게 전통적인 유의성 테스트는 낮은 정밀도 측정을 보상합니다. 힘이 부족한 연구는 "병렬성을 주장"할 가능성이 더 높습니다. 이러한 맥락에서 (낮은 정밀도로 인해) 힘이 부족한 연구는 "병렬성을 주장"할 가능성이 더 높습니다.
4. 전통적인 의미 테스트는 측정 정확도가 매우 높을 때 큰 문제가 될 수 있습니다. 차이가 실질적으로 중요하지 않은 경우 통계적 유의성에 대한 사후 설명이 필요할 수 있습니다.
위의 1이 우리의 유용성에 호소하는 반면, 내 생각에는 숫자 2, 3, 4만으로도 병렬성을 테스트하는 전통적인 의미를 포기하기에 충분합니다.
