Windows 11 > JMP 19 > 모델 적합 > 표준 최소 제곱법 > 특이한 데이터 분포를 처리하는 방법은 무엇입니까?안녕하세요, JMP 커뮤니티 여러분!
저는 조직 생검에서 얻은 세포 수 데이터를 다루고 있는데, 이 데이터는 특이한 분포를 보입니다. 일부 생검에서는 세포가 전혀 없는(0) 반면, 다른 생검에서는 낮은 비율로 세포가 존재합니다(아래 예시 참조). 간단한 루트 큐브 변환을 사용하면 0이 아닌 세포 수의 분포는 어느 정도 개선되지만, 변환된 데이터의 전체적인 분포는 여전히 0에 치우쳐 있습니다.
예상대로, 이 데이터를 표준 최소제곱법 적합 모델에 사용하면 잔차가 정규 분포를 따르지 않습니다(아래 참조).
세포 수가 상호작용을 포함한 여러 공변량과 연관되어 있는지 확인하기 위한 검정 방법으로 어떤 것을 추천하시겠습니까?
참고:
- 세포가 없는 것(0개)은 과학적으로 의미가 있습니다.
- 민감한 정보이기 때문에 실제 데이터를 쉽게 공유할 수는 없습니다.
감사합니다.
진심으로 감사드립니다.
TS
고급 통계 모델링기초 데이터 분석 및 모델링데이터 혼합 및 정리제목: Windows 11 > JMP 19 > 모델 적합 > 표준 최소 제곱법 > 특이한 데이터 분포를 처리하는 방법안녕하세요 @Thierry_S 님 ,
JMP Pro를 가지고 계신가요? 일반화 회귀 모델을 사용하면 영과잉 분포 중 하나를 지정할 수 있습니다.
제 생각에는 카운트 원시 데이터에 영과잉 포아송 분포가 적합할 것 같습니다. JMP를 사용하신다면 모델링을 두 부분으로 나누어 진행해 보세요.
- 결과가 0인지 또는 0과 다른지 판별합니다 (이항 분포).
- 결과가 0과 다른 경우에는 표준 최소제곱 모델을 적용합니다. 필요한 경우 Box-Cox 변환과 같은 변환을 원본 데이터에 적용할 수도 있습니다.
이 제안이 도움이 되기를 바랍니다.
제목: Windows 11 > JMP 19 > 모델 적합 > 표준 최소 제곱법 > 특이한 데이터 분포를 처리하는 방법빅터 씨께,
이 문제 해결에 도움을 주셔서 감사합니다. 죄송하지만 현재 JMP Pro를 사용할 수 없습니다. JMP 19 "Basic" 버전의 일반화 선형 모델(GLM)은 사용할 수 있지만, 포아송 분포가 모든 데이터에 적합하지 않은 것 같습니다. 실제로 특정 세포 유형의 개체 수가 많을수록 0이 아닌 하위 집단의 분포가 정규 분포에 더 가까워지는 경향이 있습니다.
데이터를 순서형 변수로 구간화하면 도움이 될까요?
최상의,
TS
제목: Windows 11 > JMP 19 > 모델 적합 > 표준 최소 제곱법 > 특이한 데이터 분포를 처리하는 방법네, 저는 그 작업을 두 부분으로 나누겠습니다.
1. 결과가 0인지 또는 0과 다른지 판별합니다 (이항 분포).
2. 결과가 0과 다른 경우에는 표준 최소제곱 모델을 적용합니다. 필요한 경우 Box-Cox 변환과 같은 변환을 원본 데이터에 적용할 수도 있습니다.
최상의,제목: Windows 11 > JMP 19 > 모델 적합 > 표준 최소 제곱법 > 특이한 데이터 분포를 처리하는 방법전문가 의견 없이는 답변하기 어렵습니다. 첫째, 어떤 질문에 대한 답을 찾으려는 것입니까? 둘째, 데이터 출처는 무엇입니까? 셋째, 측정 시스템에 대한 신뢰도는 어느 정도입니까? 다른 측정 방법은 없습니까? 생검 채취 과정의 일관성에 대한 신뢰도는 어느 정도입니까? 어떤 모델을 적용하려는 것입니까? 빅터가 제안한 것처럼 데이터를 분할하는 경우, 세포 수에 영향을 미치는 요인과 세포가 없는 경우에 영향을 미치는 요인이 서로 다른지 질문해야 합니다. 만약 그렇다면, 두 개의 Y값(이항 분포를 따르는 두 범주)과 연속형 세포 수 데이터를 사용하는 것이 타당할 것입니다.
