Windows 11 > JMP 19 > Adatta modello > Minimi quadrati standard > Come gestire distribuzioni di dati anomale?Ciao comunità JMP,
Sto lavorando con conteggi cellulari derivati da biopsie tissutali che presentano una distribuzione insolita: alcune biopsie non contengono cellule (conteggi pari a zero), mentre altre ne contengono basse percentuali (vedi esempio sotto). Una semplice trasformazione Root Cube produce una distribuzione accettabile dei conteggi diversi da zero, ma la distribuzione complessiva dei dati trasformati rimane distorta verso lo zero.
Come previsto, se utilizzo questi dati in un modello di regressione lineare standard ai minimi quadrati, i residui non presentano una distribuzione normale (vedi sotto).
Quale sarebbe il tuo suggerimento per verificare se questi conteggi cellulari sono associati a più covariabili, incluse le interazioni?
Note:
- L'assenza di cellule (conteggio zero) ha un significato scientifico.
- Non posso condividere facilmente i dati effettivi a causa della loro riservatezza.
Grazie.
Distinti saluti,
TS
Modellazione statistica avanzataAnalisi e modellazione di base dei datiUnione e pulizia dei datiOggetto: Re: Windows 11 > JMP 19 > Adatta modello > Minimi quadrati standard > Come gestire distribuzioni di dati anomale?Ciao @Thierry_S ,
Possiedi JMP Pro? Utilizzando i modelli di regressione generalizzata, puoi specificare una delle distribuzioni con inflazione di zeri .
Penso che una distribuzione di Poisson con inflazione di zeri potrebbe funzionare sui tuoi dati grezzi di conteggio. Se stai usando JMP, potresti suddividere la modellazione in due parti:
- Determinare quando il risultato è 0 o diverso da 0 (distribuzione binomiale).
- Nei casi in cui i risultati sono diversi da 0, si applica un modello standard dei minimi quadrati. È comunque possibile applicare una trasformazione ai dati grezzi (se necessario!), come la trasformazione di Box-Cox.
Spero che questo suggerimento possa esserti d'aiuto.
Oggetto: Re: Windows 11 > JMP 19 > Adatta modello > Minimi quadrati standard > Come gestire distribuzioni di dati anomale?Caro Victor,
Grazie per l'aiuto con questo problema. Purtroppo, al momento non ho accesso a JMP Pro. Tuttavia, posso utilizzare il modello lineare generalizzato in JMP 19 "Basic", ma la distribuzione di Poisson non sembra adattarsi a tutti i dati. Infatti, quando il tipo di cellula è più abbondante, la distribuzione della sottopopolazione con valori diversi da zero tende ad approssimare una distribuzione normale.
Mi chiedo se raggruppare i dati in una variabile ordinale potrebbe essere utile in questo caso.
Migliore,
TS
Oggetto: Re: Windows 11 > JMP 19 > Adatta modello > Minimi quadrati standard > Come gestire distribuzioni di dati anomale?Sì, dividerei il compito in due parti:
1. Determinare quando il risultato è 0 o diverso da 0 (distribuzione binomiale)
2. Nei casi in cui i risultati siano diversi da 0, si applica un modello standard dei minimi quadrati. È comunque possibile applicare una trasformazione ai dati grezzi (se necessario!), come la trasformazione di Box-Cox.
Migliore,Oggetto: Re: Windows 11 > JMP 19 > Adatta modello > Minimi quadrati standard > Come gestire distribuzioni di dati anomale?Senza un esperto in materia, è difficile rispondere. Innanzitutto, a quali domande stai cercando di rispondere? In secondo luogo, qual è la fonte dei dati? In terzo luogo, quanto sei sicuro del sistema di misurazione? Ci sono altre misure che puoi adottare? Quanto sei sicuro che il processo di prelievo delle biopsie sia coerente? Qual è il modello che stai cercando di adattare? Considera se dividi i dati (come suggerito da Victor), la domanda che devi porti è: ci sono fattori diversi responsabili dell'influenza sul numero di cellule rispetto ai fattori che non influenzano le cellule? In tal caso, avrebbe senso avere due variabili Y (2 categorie, binomiale) e un conteggio continuo delle cellule per i dati.
