Frage zur Korrektur multipler Vergleiche in ANCOVA-Ergebnissen (BY=Atlas)Hallo, ich verwende derzeit die JMP Student Edition, um eine Kovarianzanalyse (ANCOVA) durchzuführen. Hier sind die Schritte:
- Modellanpassung (Y: Messwert, BY: Atlasnummer)
- Modelleffektkonfiguration (Krankheitsnummer, Alter)
- Methode: Standardmethode der kleinsten Quadrate
- Schwerpunkt: Hier ist der Effekt
Wenn Sie diese Einstellung ausführen, wird für jede Atlas-Nummer ein Bericht mit den "tatsächlichen Antwortwerten" angezeigt.FDRMir ist bekannt, dass durch das Aktivieren dieses Kontrollkästchens die FDR-Korrektur angewendet wird.
ZweckWir haben die statistische Signifikanz für jede Atlasnummer mittels ANCOVA geprüft. Da wir jedoch für jeden Atlas separate Tests durchgeführt haben, ist das Auftreten falsch positiver Ergebnisse möglich. Daher möchten wir die erhaltenen p-Werte für multiple Vergleiche über alle Atlanten hinweg korrigieren.
Hier ist die Frage:
- Gilt die FDR-Korrektur in der „Effektzusammenfassung“ nur für die Anzahl der in den Modelleffekten enthaltenen Faktoren (in diesem Fall die beiden Faktoren: Krankheitsanzahl und Alter)?
- Ist es in der JMP Student Edition möglich, eine FDR-Korrektur für ANCOVA-Ergebnisse über alle Atlasnummern (alle BY-Berichte) hinweg durchzuführen? Dies ist weder über die grafische Benutzeroberfläche noch über ein JSL-Skript möglich.
- *Ich würde es begrüßen, wenn Sie diese Frage auch dann beantworten könnten, wenn die FDR-Korrektur in ① nur auf die Anzahl der Koeffizienten des Modelleffekts angewendet wird.
Fortgeschrittene statistische ModellierungBetreff: Frage zur Korrektur multipler Vergleiche in ANCOVA-Ergebnissen (BY=Atlas)Der in der „Effektübersicht“ angezeigte Wert „FDR“ bei Verwendung einer By-Variablen in „Modell anpassen“ ist der FDR-korrigierte p-Wert für den Test innerhalb jeder Stufe der By-Variablen.
Beachten Sie, dass die FDR (False Discovery Rate) nicht die FWER (Familywise Error Rate) kontrolliert, d. h. die Wahrscheinlichkeit, dass eine der wahren Nullhypothesen verworfen wird. Sie ist lediglich ein FDR-korrigierter p-Wert, der mithilfe der Benjamini-Hochberg-Methode berechnet wird, um den durchschnittlichen Anteil wahrer Nullhypothesen unter den verworfenen Nullhypothesen zu kontrollieren.
■In JMP 19 wurde die Funktion „FDR Adjust“ hinzugefügt. Obwohl Programmierkenntnisse erforderlich sind, ermöglicht diese Funktion die Berechnung eines FDR-korrigierten p-Werts aus einem Roh-p-Wert (unkorrigierten p-Wert). Die Schritte sind wie folgt:
Bitte beachten Sie, dass es sich bei dem unten stehenden Skript lediglich um ein Beispiel handelt und dass ich allein für dieses Skript verantwortlich bin, nicht meine Organisation.
(1) Führen Sie eine Regressionsanalyse mit Fit Model durch.
(2) Klicken Sie mit der rechten Maustaste auf die Tabelle „Parameterschätzungen“ und wählen Sie im Kontextmenü „Verkettete Datentabelle erstellen“ . Dadurch wird eine Datentabelle mit den Parameterschätzungen und p-Werten erstellt.
(3) Wenn das in (2) erstellte Datentabellenfenster aktiv ist, wählen Sie [Datei] → [Neu] → [JSL-Skript] . Der Skripteditor wird aufgerufen.
(4) Kopieren Sie den unten stehenden Code und fügen Sie ihn in den Skripteditor in (3) ein.
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) Wählen Sie <STRONG>[Bearbeiten] → [Skript ausführen]</STRONG> .<BR /> Der obigen Datentabelle (2) sollte eine Spalte mit der Bezeichnung „FDR“ hinzugefügt werden.</P> <P><BR />■Obwohl dies das Testen des gesamten Datensatzes und nicht nur jeder einzelnen Ebene erfordert, wurde in JMP 19 eine neue Subgruppenanalysefunktion für das Response Screening hinzugefügt.</P> <P>(1) Wählen Sie <STRONG>[Analysieren] → [Modell anpassen]</STRONG> .<BR /> (2) Wählen Sie in der oberen rechten Ecke des Fensters unter <STRONG>[Methode]</STRONG> <STRONG>die Option [Antwortprüfung]</STRONG> aus.<BR /> (3) Geben Sie die Zielvariable (Y-Variable) und die Effekte an.<BR /> (4) Geben Sie die Variable "By" in <STRONG>der Untergruppierung</STRONG> an.<BR /> (5) Klicken Sie auf die Schaltfläche <STRONG>[Ausführen]</STRONG> .</P> <P>Der in diesem Ergebnis angegebene „FDR p-Wert“ ist ein FDR-korrigierter p-Wert, der nicht nur den Test für jede By-Stufe, sondern auch den Test für die gesamten Daten berücksichtigt.</P> <BR /> <P>Auch hier gilt: Der FDR-korrigierte p-Wert kontrolliert nicht den FWER, sondern die Falsch-Entdeckungsrate.</P> <BR />
Betreff: Frage zur Korrektur multipler Vergleiche in ANCOVA-Ergebnissen (BY=Atlas)Die in der „Zusammenfassung der Effekte nach By-Variablen“ aufgeführten FDR-korrigierten p-Werte gelten für jede By-Reihe (Mir ist nun klar, dass dies in diesem Fall nur für die Testergebnisse innerhalb der Atlasnummer gilt.
Um die FDR-Korrektur über alle Atlanten hinweg durchzuführen, verwenden Sie dieFDR-AnpassungsfunktionIch fand es sehr hilfreich, dass ich die FDR-korrigierten p-Werte aus den nicht korrigierten p-Werten gleichzeitig berechnen konnte.Die
Vielen Dank, dass Sie auch das Skript zur Verfügung gestellt haben.
Eine weitere neue Entdeckung war, dass in JMP19 die Angabe von Untergruppen in der "Antwort-Screening" es ermöglicht, eine FDR-Korrektur für den gesamten Datensatz durchzuführen.
Ich fand auch Ihre Anmerkungen zu den unterschiedlichen Denkweisen von FDR und FWER sehr aufschlussreich.
Vielen Dank für Ihre wertvolle Erklärung.
