0이 과도하게 포함된 양의 연속 계수 데이터에 대한 DSD 분석 워크플로여기요,
저는 DSD 교란 요인을 고려한 틀 안에서 수집한 계수 데이터를 가지고 있습니다.
Fit DSD 모듈이 이런 유형의 데이터에는 적합하지 않다는 것을 알고 있습니다. 따라서 2차항 내의 교란 변수를 고려했을 때, 모델 선택을 위한 최적의 워크플로는 무엇일지 궁금합니다.
저는 ZI 감마와 전방 AICc를 사용하여 GLM을 테스트했지만, 특이점이 이에 미치는 영향을 고려하지 않을 수 없습니다.
감사합니다!
고급 통계 모델링실험 설계제목: 0이 과다하게 포함된 양수 연속 계수 데이터에 대한 DSD 분석 워크플로 관련안녕하세요 @Tiago 님 ,
커뮤니티에 오신 것을 환영합니다!
더 자세한 맥락 정보나 익명화된 데이터셋 없이는 도움을 드리기 어려울 수 있지만, 다음과 같은 몇 가지 사항을 참고하시면 도움이 될 수 있습니다.
- 일반화 회귀 모델에 지정할 분포와 관련하여, 귀하의 설명을 바탕으로 비음수 카운트 데이터에 대해서는 영과잉 포아송 분포를 사용해 보시는 것을 권장합니다.
어떤 분포 유형을 선택해야 할지 확신이 서지 않는다면, 분포 플랫폼을 사용하여 분포를 적합시키고 적합도 검정을 통해 가장 적절해 보이는 분포를 확인할 수 있습니다.
- 추정 방법에 관해서는, 유전 효과 옵션을 적용(체크) 한 가지치기 전방 선택법 과 2단계 전방 선택법 두 가지 옵션을 시도해 보시길 권장합니다. 이 추정 방법의 메커니즘은 Fit DSD 플랫폼에서 사용하는 방식과 매우 유사합니다.
- 먼저, 주효과 모델을 구축하고 이를 추정합니다.
- 둘째, 모델에서는 고차항(상호작용항 및 이차 효과 등)을 고려합니다.
이 첫인상이 여러분께 도움이 되기를 바랍니다.
제목: 0이 과다하게 포함된 양수 연속 계수 데이터에 대한 DSD 분석 워크플로 관련신속하고 매우 도움이 되는 답변 감사드립니다, @Victor_G 님.
제 생각에 이 방법이 제 핵심 질문 대부분을 해결해 주는 것 같습니다. 다만 한 가지 덧붙이자면, 저는 기술적 반복 측정값을 평균내기 때문에 정수값이 아닌 값을 사용하게 되어 ZI 포아송 분포를 사용할 수 없습니다. 비록 카운트 데이터이긴 하지만요. 하지만 감마 분포를 사용해도 똑같이 잘 작동할 거라고 생각합니다. 맞죠?
다시 한번 감사드립니다!
제목: 0이 과다하게 포함된 양수 연속 계수 데이터에 대한 DSD 분석 워크플로 관련안녕하세요 @Tiago 님 ,
명확히 하자면, 복제(동일한 처리 조합으로 개별 실험에서 측정한 값)를 말씀하시는 건가요, 아니면 반복(동일한 실험에서 여러 번 측정/횟수를 세는 것)을 말씀하시는 건가요?
- 되풀이 반복 측정은 동일한 실험 과정(동일한 샘플, 측정 간 재설정 없이)에서 여러 번 응답값을 측정하는 것을 의미합니다. 반복 측정은 측정 시스템의 변동성을 줄여줍니다(반복 측정값의 평균을 사용). 동일한 실험 단위에서 측정을 반복하는 경우, 데이터 테이블에 새 열로 수동으로 추가할 수 있습니다. 그런 다음 이러한 열을 사용하여 평균 측정값, 분산 등을 계산하고 모델링할 수 있습니다.
- 복제 이는 각 처리 조합에 대해 여러 개의 독립적인 무작위 실험 실행(각 실행 사이에 재설정을 거친 여러 샘플)을 수행하는 것을 의미합니다. 반복 실험은 전체 실험 변동(과정 + 측정값)을 줄여 순수 오차를 추정하고 예측 오차를 감소시킵니다(더 정확한 매개변수 추정치 제공). 이러한 실험 실행은 독립적인 실험 실행이므로 설계 생성 또는 데이터 증강 후 데이터 테이블에 새 행으로 자동으로 추가됩니다.
첫 번째 경우에는 적절한 분포를 사용한 평균값을 사용할 수 있습니다(감마 분포가 이 설정에 적합할 수 있으며, 분포 플랫폼에서 확인해야 합니다). 두 번째 경우에는 ZI-포아송 분포가 더 적합할 수 있습니다(양의 정수만 해당).
이로써 상황이 명확해졌기를 바랍니다.
제목: 0이 과다하게 포함된 양수 연속 계수 데이터에 대한 DSD 분석 워크플로 관련안녕하세요 @Victor_G 님 ,
맞아요. 실험실에서 같은 시료를 반복 측정할 때 '기술적 반복 측정'이라고 부르는 게 습관이 됐어요. 모호하게 해서 죄송하고, 설명해주셔서 감사합니다!
