Question sur la correction des comparaisons multiples dans les résultats d'ANCOVA (BY=Atlas)Bonjour, j'utilise actuellement JMP Student Edition pour effectuer une analyse de covariance (ANCOVA). Voici les étapes :
- Ajustement du modèle (Y : valeur mesurée, BY : numéro de l'atlas)
- Configuration de l'effet du modèle (nombre de maladies, âge)
- Méthode : Moindres carrés standard
- Point essentiel : voici l’effet
Lorsque vous exécutez ce paramètre, un rapport des « valeurs de réponse réelles » s'affichera pour chaque numéro d'atlas.FDRJe comprends que cocher cette case applique la correction FDR.
ButNous avons testé la significativité statistique de chaque atlas à l'aide d'une ANCOVA, mais comme nous avons effectué des tests distincts pour chaque atlas, il est possible que des faux positifs soient présents. Par conséquent, nous souhaitons corriger les valeurs p obtenues pour tenir compte des comparaisons multiples entre tous les atlas.
Voici la question :
- La correction FDR dans le « Résumé des effets » s'applique-t-elle uniquement au nombre de facteurs inclus dans les effets du modèle (dans ce cas, les deux facteurs : le nombre de maladies et l'âge) ?
- Est-il possible d'effectuer une correction FDR pour les résultats d'ANCOVA sur l'ensemble des atlas (tous les rapports BY) dans JMP Student Edition ? Cela n'est pas possible via l'interface graphique ni via un script JSL.
- *Je vous serais reconnaissant de bien vouloir répondre à cette question dans le cas où la correction FDR en ① n'est appliquée qu'au nombre de coefficients de l'effet du modèle.
Modélisation statistique avancéeRe : Question sur la correction des comparaisons multiples dans les résultats d’ANCOVA (BY=Atlas)Le « FDR » affiché dans le « Résumé des effets » lors de l'utilisation d'une variable By dans « Ajuster le modèle » correspond à la valeur p ajustée par FDR pour le test au sein de chaque niveau de la variable By uniquement.
Il est important de noter que le FDR (taux de faux positifs) ne contrôle pas le FWER (taux d'erreur familial), c'est-à-dire la probabilité de rejeter l'une des hypothèses nulles vraies. Il s'agit simplement d'une p-valeur ajustée par le FDR, calculée selon la méthode de Benjamini-Hochberg, afin de contrôler la proportion moyenne d'hypothèses nulles vraies parmi les hypothèses nulles rejetées.
■ Une fonction appelée Réglage FDR a été ajoutée à JMP 19. Bien qu'elle nécessite une programmation, cette fonction permet de calculer une p-valeur ajustée par FDR à partir d'une p-valeur brute (p-valeur non ajustée). Voici la procédure :
Veuillez noter que le script ci-dessous n'est qu'un exemple et que je suis seul responsable de ce script, et non mon organisation.
(1) Effectuez une analyse de régression en utilisant le modèle Fit .
(2) Cliquez avec le bouton droit sur le tableau « Estimations des paramètres » et sélectionnez « Créer un tableau de données concaténées » dans le menu contextuel. Cela créera un tableau de données contenant les estimations des paramètres et les valeurs p.
(3) Avec la fenêtre de tableau de données créée en (2) ci-dessus active, sélectionnez [Fichier] → [Nouveau] → [Script JSL] . L'éditeur de script sera appelé.
(4) Copiez et collez le code ci-dessous dans l'éditeur de script en (3).
Names Default To Here(1);
/* 現在、アクティブなデータテーブルに対する参照を取得 */
dt = Current Data Table();
/* 切片項の行を選択 */
dt << Select Where( :項 == "切片" );
/* 切片項の行を削除 */
dt << Delete Rows;
/* 未調整p値の取得 */
pval = Column(dt, "p値(Prob>|t|)")<
<GET as="" matrix=""></GET>
<P><BR />(5) Sélectionnez <STRONG>[Modifier] → [Exécuter le script]</STRONG> .<BR /> Une colonne appelée « FDR » doit être ajoutée au tableau de données ci-dessus (2).</P> <P><BR />■Bien que cela implique de tester l'ensemble des données plutôt que chaque niveau By seulement, une nouvelle fonction d'analyse de sous-groupes a été ajoutée au filtrage des réponses dans JMP 19.</P> <P>(1) Sélectionnez <STRONG>[Analyser] → [Ajuster le modèle]</STRONG> .<BR /> (2) Sélectionnez <STRONG>[Filtrage des réponses]</STRONG> dans <STRONG>[Méthode]</STRONG> dans le coin supérieur droit de la fenêtre.<BR /> (3) Spécifiez la variable de réponse (variable Y) et les effets.<BR /> (4) Spécifiez la variable By dans <STRONG>le sous-groupement</STRONG> .<BR /> (5) Cliquez sur le bouton <STRONG>[Exécuter]</STRONG> .</P> <P>La « valeur p FDR » de ce résultat est une valeur p ajustée par FDR qui prend en compte non seulement le test pour chaque niveau By, mais aussi le test pour l'ensemble des données.</P> <BR /> <P>Là encore, la valeur p ajustée par FDR ne contrôle pas le FWER, mais plutôt le taux de fausses découvertes.</P> <BR />
Re : Question sur la correction des comparaisons multiples dans les résultats d’ANCOVA (BY=Atlas)Les valeurs p ajustées par FDR affichées dans le « Résumé des effets par variable By » sont pour chaque série By (Je comprends maintenant que, dans ce cas précis, cela ne s'applique qu'aux résultats des tests correspondant au numéro de l'atlas.
Pour effectuer une correction FDR sur tous les atlas, utilisez leFonction de réglage FDRJ'ai trouvé très utile de pouvoir calculer simultanément les valeurs p ajustées par FDR à partir des valeurs p non ajustées..
Merci également d'avoir fourni le script.
Une autre découverte récente a été que, dans JMP19, la spécification du sous-groupement dans « Response Screening » permet d’effectuer une correction FDR sur l’ensemble des données.
J'ai également trouvé vos commentaires sur les différences de pensée entre FDR et FWER très instructifs.
Merci beaucoup pour votre précieuse explication.
