Multiplicité pour le modèle d'ajustementComment JMP gère-t-il la multiplicité statistique lors de l'exécution d'Ajuster le modèle ?
Modélisation statistique avancéeAnalyse et modélisation des données de baseRe : Multiplicité pour le modèle d'ajustementJe ne pense pas que ces options soient disponibles pour une variable de réponse nominale - l'étude à laquelle il est fait référence aboutit à des rapports de cotes, donc je ne pense pas que ces options s'appliquent. (J'ai peut être tort)
Re : Multiplicité pour le modèle d'ajustementSalut @NishaKumar : OK. Oui, il existe plusieurs options au sein de la plateforme Fit Model. La méthode que vous choisissez, comme vous le savez bien, dépend des objectifs/priorités/etc. C'est dans le menu déroulant du triangle rouge. Voir les photos ci-dessous.
Ré: Multiplicité pour le modèle d'ajustementLes comparaisons multiples sont un terme que je connais bien, même si je n'effectue jamais de tels ajustements et que je ne connais pas de fonctionnalités intégrées à JMP pour cela (je peux certainement me tromper, et on me corrigera si c'est le cas). La correction la plus courante est la correction de Bonferroni, que je ne connais pas dans JMP. Mais elle est assez facile à réaliser manuellement, je pense. Cependant, je ne pense pas qu'il soit judicieux de diminuer les valeurs de p pour tenir compte des comparaisons multiples ; cela ne corrige en rien la pensée dichotomique qu'elles suscitent. L'ampleur de l'effet, l'intervalle de confiance, le nombre d'hypothèses du modèle, etc. sont autant de facteurs déterminants pour l'interprétation des résultats d'une étude. En diminuant simplement la valeur de p, on continue de penser que le résultat d'une étude se résume à la réalité d'un effet, plutôt qu'à l'ampleur et aux incertitudes potentielles de cet effet.
Pour paraphraser le commentaire de Tufte sur les graphiques à secteurs (la seule chose pire qu’un graphique à secteurs est plus d’un graphique à secteurs), la seule chose pire qu’une valeur p est plus d’une valeur p.
J'ai peut-être exagéré. Mais le véritable problème auquel vous faites référence (je crois) est l'analyse de sous-groupes. Généralement, dans les ECR, l'analyse de sous-groupes est mal vue, sauf si elle fait partie de l'étude préenregistrée ; dans ce cas, les problèmes d'échantillonnage ont été pris en compte dès le départ. Je pense qu'une approche moins mécaniste que celle de Bonferroni est préférable : si vous considérez qu'un p = 0,05 dénote un effet suffisamment important pour être « important », alors si vous effectuez 20 analyses de sous-groupes, vous devez vous attendre à ce qu'une d'entre elles vous induise en erreur en moyenne. En réalité, vous pouvez probablement vous attendre à ce que plus d'une sur 20 vous induise en erreur.
Re : Multiplicité pour le modèle d'ajustement*papa* Je voulais écrire des données
Re : Multiplicité pour le modèle d'ajustementSalut @MRB3855 :
Oui, il s'agit de comparaisons multiples, mais dans les essais cliniques avec plusieurs sous-groupes, nous devons être en mesure de prendre en compte la multiplicité statistique, mais je me demande si elle est déjà prise en compte avec le modèle d'ajustement de JMP ? Si ce n'est pas le cas, comment pourrais-je procéder à l'analyse ?
Merci
Re : Multiplicité pour le modèle d'ajustementSalut dlehman1 :
Ainsi, la multiplicité statistique est essentiellement l’erreur de type I ou la probabilité de faux positifs. Pour mon analyse, j'ai utilisé un modèle d'ajustement pour exécuter des rapports de cotes, mais j'ai besoin de savoir comment il prend en compte les comparaisons/multiplicités multiples, car mon père participe à des essais cliniques et comporte plusieurs sous-groupes. Vous trouverez ci-dessous la définition que j'ai trouvée pour la multiplicité en ligne via Google :
"La multiplicité est une considération majeure dans l'analyse des essais cliniques. Elle se produit lorsque plusieurs tests de signification sont effectués, augmentant le taux d'erreur familial (FWER), la probabilité d'un résultat statistiquement significatif "faux positif" ou d'une erreur de type 1. "
Re : Multiplicité pour le modèle d'ajustementSalut @NishaKumar : Je ne suis pas sûr non plus de ce que vous demandez. Voulez-vous dire plusieurs comparaisons?
Re : Multiplicité pour le modèle d'ajustementOK, je vais mordre. Qu'est-ce que la « multiplicité statistique » ? Je n'ai jamais entendu ce terme auparavant.
Re : Multiplicité pour le modèle d'ajustementComment êtes-vous arrivé à l'onglet Moyenne de réponse à partir de la sortie du modèle d'ajustement ?
Ce que j'ai fait, c'est aller ajuster le modèle en cours d'analyse, l'exécuter et, dans la sortie, sélectionner le test de Wald et le rapport de cotes. Sur cet écran se trouve également le FDR logsworth, mais je suis curieux de comprendre comment vous êtes arrivé aux écrans que vous avez fournis dans la capture d'écran, s'il vous plaît.
Merci,
Nisha
Ré: Multiplicité pour le modèle d'ajustementBonjour @NishaKumar Dans mon exemple, ma réponse était « Moyenne g/chat/jour… ». La vôtre sera différente.
Si votre réponse n'est pas continue, les options via le triangle rouge supérieur seront différentes. Lorsque j'ai posté cela, je n'avais pas réalisé que votre réponse n'était pas continue (je suppose que votre réponse n'est pas continue puisque vous regardez les rapports de cotes).
Ré: Multiplicité pour le modèle d'ajustementOui, ma réponse n'est pas continue.
