Différentes valeurs de p obtenues à partir de « Fit Y » par X par rapport à « Response Screening »Bonjour:
J'ai un ensemble de données contenant 15 observations dans trois groupes/conditions (groupe 1 : 5 observations, groupe 2 : 6 observations et groupe 3 : 4 observations) pour environ 3 000 gènes (variables) et j'aimerais faire des tests ANOVA et post hoc pour ces gènes dans les 3 groupes :
J'ai essayé le « dépistage des réponses » et j'ai obtenu des valeurs p pour l'ANOVA pour les 3 000 gènes, puis j'ai également obtenu les valeurs p respectives pour comparer les observations entre différents groupes (c'est-à-dire groupe 3/groupe 1, groupe 2/groupe 1) en cliquant sur « Afficher les différences de moyennes » et en cliquant avec le bouton droit sur « colonne » pour afficher ces valeurs p.
Ma question est la suivante : lorsque j’ai testé des variables individuelles avec « Fit Y by X », j’ai obtenu la même valeur p pour l’ANOVA ; cependant, lorsque j’ai procédé au test post-hoc (Tukey-HSD / Tukey-Kramer), j’ai obtenu des valeurs p différentes pour les comparaisons entre les groupes. Ces valeurs ne sont pas les mêmes que celles obtenues à partir du « Response Screening ». Comment cela se fait-il ?
Comment sont déterminées les valeurs p pour les comparaisons de groupes dans le cadre du « dépistage des réponses » ? Je suppose qu’elles sont dérivées d’une sorte de tests post-hoc ?
Merci beaucoup d'avance pour votre aide !
Analyse et modélisation de données de baseRé: Différentes valeurs de p obtenues à partir de « Fit Y » par X par rapport à « Response Screening »Salut @FactorLevelFox5 ,
Bienvenue dans la Communauté !
Le test de Tukey-Kramer est un test ajusté pour les comparaisons multiples : « Cette méthode protège le niveau de signification global pour les tests de toutes les combinaisons de paires . »
Lorsque vous définissez votre niveau de confiance (par exemple à 0,95), il est défini pour UNE comparaison, mais pas pour toutes les comparaisons impliquées dans votre étude. Dans votre exemple, comme vous avez 3 groupes, vous pouvez avoir 3 comparaisons appariées possibles : groupe 1 avec 2, groupe 1 avec 3 et groupe 2 avec 3. Votre niveau de confiance global pour toutes les comparaisons sera donc égal à 0,95^3 = 0,857.
Cela signifie que sans techniques d'ajustement des valeurs p, comme Bonferroni ou Tukey-Kramer, votre niveau de confiance global sera d'environ 0,86, vous pouvez donc vous attendre à beaucoup plus de faux positifs que prévu (risque de 14 % au lieu de 5 %).
Avec les techniques d'ajustement, les calculs sont un peu différents, vous pouvez donc vous attendre à des valeurs p plus élevées (par rapport aux tests non ajustés), car elles prennent en compte le nombre total de comparaisons que vous effectuez, et l'ajustement est là pour minimiser le risque de trouver une différence statistique entre les groupes alors qu'il n'y en a pas.
J'espère que cela clarifie la différence trouvée,
Ré: Différentes valeurs de p obtenues à partir de « Fit Y » par X par rapport à « Response Screening »Merci pour votre réponse rapide ! Donc, la valeur p dans la « différence moyenne » (filtrage des réponses) n'est qu'un test t (pas un test post-hoc après ANOVA) ?
Si tel est le cas, existe-t-il un moyen d’obtenir la valeur p de l’analyse post hoc dans le dépistage des réponses ?
Merci encore!
Ré: Différentes valeurs de p obtenues à partir de « Fit Y » par X par rapport à « Response Screening »Salut @FactorLevelFox5 ,
En consultant la section Aide de JMP, vous pouvez lire que les valeurs p dans la plateforme Response Screening sont obtenues par le test t de Student pour une comparaison par paires : Tableau de données des moyennes et des différences
Cependant, vous pouvez également voir une colonne avec les « valeurs p FDR », qui sont obtenues à l'aide du même test mais corrigées pour les comparaisons multiples à l'aide de la technique du taux de fausses découvertes : Détails statistiques pour la plateforme de filtrage des réponses
Vous pouvez en savoir plus sur cette technique ici : Benjamini, Y., et Hochberg, Y. (1995). « Contrôle du taux de fausses découvertes : une approche pratique et puissante des tests multiples. » Journal of the Royal Statistical Society , Series B 57:289–300 ou Contrôle du taux de fausses découvertes : une approche pratique et puissante des tests multiples
Le taux de fausses découvertes ne fait pas partie des options de test corrigées dans Fit Y by X, car l'accent est un peu différent entre les corrections proposées dans les deux plateformes :
- Dans Fit Y by X, la correction par tests multiples peut être nécessaire pour une variable catégorielle X avec plusieurs groupes et une variable continue Y, car vous testerez de manière non indépendante chacune des combinaisons possibles : une différence de réponse possible entre chaque paire de groupes pour la même variable X.
- Dans le cadre du dépistage des réponses, la correction de plusieurs tests peut être nécessaire lorsque vous étudiez la signification statistique de nombreuses relations XY indépendantes.
J'espère que cette réponse clarifiera le rapport et l'utilisation de cette plateforme,
