Diversi valori p ottenuti da “Fit Y” da X rispetto a “Response Screening”Ciao:
Ho un set di dati contenente 15 osservazioni in tre gruppi/condizioni (gruppo 1: 5 osservazioni, gruppo 2: 6 osservazioni e gruppo 3: 4 osservazioni) per circa 3.000 geni (variabili) e vorrei eseguire test ANOVA e post hoc per quei geni nei 3 gruppi:
Ho provato lo "Screening della risposta" e ho ottenuto i valori p per l'ANOVA per i 3.000 geni, quindi ho anche ottenuto i rispettivi valori p per il confronto delle osservazioni tra gruppi diversi (ad esempio, gruppo 3/gruppo 1, gruppo 2/gruppo 1) cliccando su "Mostra differenze medie" e cliccando con il tasto destro del mouse sulla "colonna" per mostrare quei valori p.
La mia domanda è: quando ho testato le variabili individuali con "Fit Y by X" ho ottenuto lo stesso valore p per ANOVA; tuttavia, quando ho proceduto con il test post-hoc (Tukey-HSD / Tukey-Kramer), ho ottenuto valori p diversi per i confronti tra gruppi. Quei valori non sono gli stessi di quelli ottenuti da "Response Screening". Come mai?
Come vengono determinati i valori p per i confronti di gruppo in "Response Screening"? Immagino che siano derivati da una sorta di test post-hoc?
Grazie mille in anticipo per il vostro aiuto!
Analisi e modellazione dei dati di baseRe: Diversi valori p ottenuti da "Fit Y" di X rispetto a "Response Screening"Ciao @FactorLevelFox5 ,
Benvenuti nella Community!
Il test di Tukey-Kramer è un test adattato per confronti multipli: " Questo metodo protegge il livello di significatività complessivo per i test di tutte le combinazioni di coppie ".
Quando definisci il tuo livello di confidenza (ad esempio a 0,95), è definito per UN confronto, ma non per tutti i confronti coinvolti nel tuo studio. Nel tuo esempio, poiché hai 3 gruppi, puoi avere 3 possibili confronti accoppiati: gruppo 1 con 2, gruppo 1 con 3 e gruppo 2 con 3. Quindi il tuo livello di confidenza complessivo per tutti i confronti sarà uguale a 0,95^3 = 0,857.
Ciò significa che senza tecniche di aggiustamento dei valori p, come Bonferroni o Tukey-Kramer, il livello di confidenza complessivo sarà di circa 0,86, quindi ci si potrebbe aspettare un numero di falsi positivi molto più elevato di quanto considerato (rischio del 14% anziché del 5%).
Con le tecniche di aggiustamento, i calcoli sono leggermente diversi, quindi potresti aspettarti valori p più alti (rispetto ai test non aggiustati), perché tengono conto del numero totale di confronti che stai effettuando e l'aggiustamento serve a ridurre al minimo il rischio di trovare una differenza statistica tra i gruppi quando non ce n'è alcuna.
Spero che questo chiarisca la differenza riscontrata,
Re: Diversi valori p ottenuti da "Fit Y" di X rispetto a "Response Screening"Grazie per la tua rapida risposta! Quindi, il valore p nella "differenza delle medie" (screening della risposta) è solo un t-test (non un test post hoc dopo ANOVA)?
In tal caso, esiste un modo per ottenere il valore p dell'analisi post hoc nello screening della risposta?
Grazie ancora!
Re: Diversi valori p ottenuti da "Fit Y" di X rispetto a "Response Screening"Ciao @FactorLevelFox5 ,
Guardando la sezione Aiuto di JMP, puoi leggere che i valori p nella piattaforma Response Screening sono ottenuti dal test t di Student per un confronto a coppie: Tabella dati medie differenze
Tuttavia, è anche possibile visualizzare una colonna con "valori p FDR", ottenuti utilizzando lo stesso test ma corretti per confronti multipli utilizzando la tecnica del tasso di falsi rilevamenti: dettagli statistici per la piattaforma di screening delle risposte
Puoi leggere di più su questa tecnica qui: Benjamini, Y., e Hochberg, Y. (1995). "Controllo del tasso di false scoperte: un approccio pratico e potente ai test multipli". Journal of the Royal Statistical Society , Serie B 57:289–300 o Controllo del tasso di false scoperte: un approccio pratico e potente ai test multipli
Il tasso di falsi allarmi non fa parte delle opzioni di test corrette in Fit Y by X, poiché l'enfasi è leggermente diversa tra le correzioni proposte nelle due piattaforme:
- In Fit Y by X, la correzione dei test multipli potrebbe essere necessaria per una variabile categoriale X con molti gruppi e una variabile continua Y, poiché verranno testate in modo non indipendente ciascuna possibile combinazione: una possibile differenza di risposta tra ciascuna coppia di gruppi per la stessa variabile X.
- Nello screening della risposta, la correzione dei test multipli potrebbe essere necessaria quando si esamina la significatività statistica di numerose relazioni XY indipendenti.
Spero che questa risposta chiarisca il rapporto e l'uso di questa piattaforma,
