Diferentes valores p obtenidos de “Fit Y” por X versus “Response Screening”Hola:
Tengo un conjunto de datos que contiene 15 observaciones en tres grupos/condiciones (grupo 1: 5 observaciones, grupo 2: 6 observaciones y grupo 3: 4 observaciones) para alrededor de 3000 genes (variables) y me gustaría realizar pruebas ANOVA y post hoc para esos genes en los 3 grupos:
Probé la “Prueba de respuesta” y obtuve valores p para ANOVA para los 3000 genes, y luego también obtuve los valores p respectivos para comparar observaciones entre diferentes grupos (es decir, grupo 3/grupo 1, grupo 2/grupo 1) haciendo clic en “Mostrar diferencias de medias” y haciendo clic derecho en “columna” para mostrar esos valores p.
Mi pregunta es: cuando probé variables individuales con “Fit Y by X” obtuve el mismo valor p para ANOVA; sin embargo, cuando procedí con la prueba post-hoc (Tukey-HSD / Tukey-Kramer), obtuve diferentes valores p para las comparaciones entre grupos. Esos valores no son los mismos que los obtenidos con “Response Screening”. ¿Por qué?
¿Cómo se determinan los valores p para las comparaciones de grupos en el “cribado de respuestas”? Supongo que se derivan de algún tipo de pruebas post-hoc.
¡Muchas gracias de antemano por su ayuda!
Análisis y modelado de datos básicosRe: Diferentes valores p obtenidos de “Fit Y” por X versus “Response Screening”Hola @FactorLevelFox5 ,
¡Bienvenido a la Comunidad!
La prueba de Tukey-Kramer es una prueba ajustada para comparaciones múltiples: " Este método protege el nivel de significancia general para las pruebas de todas las combinaciones de pares ".
Cuando define su nivel de confianza (por ejemplo, 0,95), se define para UNA comparación, pero no para todas las comparaciones involucradas en su estudio. En su ejemplo, dado que tiene 3 grupos, puede tener 3 posibles comparaciones pareadas: grupo 1 con 2, grupo 1 con 3 y grupo 2 con 3. Por lo tanto, su nivel de confianza general para todas las comparaciones será igual a 0,95^3 = 0,857.
Esto significa que sin técnicas de ajuste de valores p, como Bonferroni o Tukey-Kramer, su nivel de confianza general será de alrededor de 0,86, por lo que podría esperar muchos más falsos positivos de los considerados (riesgo del 14 % en lugar del 5 %).
Con las técnicas de ajuste, los cálculos son un poco diferentes, por lo que se podrían esperar valores p más altos (en comparación con las pruebas no ajustadas), porque se tiene en cuenta el número total de comparaciones que se están realizando y el ajuste está aquí para minimizar el riesgo de encontrar una diferencia estadística entre grupos cuando no la hay.
Espero que esto aclare la diferencia encontrada.
Re: Diferentes valores p obtenidos de “Fit Y” por X versus “Response Screening”¡Gracias por tu rápida respuesta! Entonces, ¿el valor p en la "diferencia de medias" (evaluación de respuestas) es solo una prueba t (no una prueba post hoc después del ANOVA)?
Si es así, ¿hay alguna manera de obtener el valor p del análisis post hoc en la evaluación de respuesta?
¡Gracias de nuevo!
Re: Diferentes valores p obtenidos de “Fit Y” por X versus “Response Screening”Hola @FactorLevelFox5 ,
Si consulta la sección de Ayuda de JMP, podrá leer que los valores p en la plataforma Response Screening se obtienen mediante la prueba t de Student para una comparación por pares: Tabla de datos de diferencias de medias
Sin embargo, también puede ver una columna con "valores p de FDR", que se obtienen utilizando la misma prueba pero corregidos para comparaciones múltiples utilizando la técnica de tasa de descubrimiento falso: Detalles estadísticos para la plataforma de detección de respuestas
Puede leer más sobre esta técnica aquí: Benjamini, Y., y Hochberg, Y. (1995). “Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing”. Journal of the Royal Statistical Society , Serie B 57:289–300 o Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing
La tasa de falsos descubrimientos no forma parte de las opciones de prueba corregidas en Fit Y by X, ya que el énfasis es un poco diferente entre las correcciones propuestas en las dos plataformas:
- En Fit Y by X, la corrección de pruebas múltiples puede ser necesaria para una variable categórica X con muchos grupos y una variable continua Y, ya que probará de manera no independiente cada combinación posible: una posible diferencia de respuesta entre cada par de grupos para la misma variable X.
- En la evaluación de respuestas, puede ser necesaria la corrección de pruebas múltiples cuando se investiga la significancia estadística de muchas relaciones XY independientes.
Espero que esta respuesta aclare el informe y el uso de esta plataforma.
