Pearson korelasyonu ve lineer regresyon ile Bonferroni düzeltmesi

9

3 DV'lere karşı 5 IV'lerde (5 kişilik özellikleri, dışa dönüklük, uzlaşılabilirlik, vicdanlılık, nevrotiklik, açıklık) istatistikler veriyorum PCT'ye Tutum, CBT'ye Tutum, PCT'ye CBT'ye Tutum. Başka hangi etkilerin olduğunu görmek için yaş ve cinsiyet de ekledim.

Kişilik özelliklerinin DV'lerin tutumlarını tahmin edip edemeyeceğini görmek için test yapıyorum.

Başlangıçta tüm değişkenler için Pearson korelasyonunu kullandım (45 test).

Ana bulgu dışa dönüklüğün PCT'nin p = 0.05'deki tutumu ile ilişkili olduğu idi. Ama 45 test yürütürken alfa = 0.05 / 45 = 0.001 olan bir Bonferroni düzeltmesi yaptım, bu nedenle bu bulguyu önemsiz hale getirdim.

Daha sonra tüm değişkenler üzerinde basit bir doğrusal regresyon çalıştırdım, dışa dönüklük PCT'ye karşı tutum ile anlamlıydı. Bonferroni düzeltmesini yaparsam yine önemsiz gelir.

Sorular:

Pearson korelasyonunda Bonferroni'yi düzeltmem gerekiyor mu?
Eğer yaparsam ve bu nedenle PCT'ye karşı tavırla dışa dönüklük yaparsam, hala doğrusal regresyon yapmanın bir anlamı var mı?
Doğrusal bir regresyon yaparsam, bunun için Bonferroni düzeltmesini de yapmam gerekir mi?
Yalnızca düzeltilmiş değerli veya düzeltilmemiş ve düzeltilmiş değerleri rapor ediyor muyum?

— Wendy
kaynak

4

Soru 1, Look ile ilgilidir ve (bir korelasyon) ve Soru 3 ila P-değerlerini çoklu karşılaştırmalar için çoklu regresyonda ayarlamak iyi bir fikir mi? . Daha genel olarak bu sorgudan elde edilen sonuçlar ilgi çekici olabilir.

— chl

4

Sanırım Chl sizi doğrudan soruyu cevaplamadan birçok iyi malzeme ve referansa yöneltti. Verdiğim cevap biraz tartışmalı olabilir, çünkü bazı istatistikçilerin çokluk ayarlamasına inanmadığını ve birçok Bayesi'nin p-değerine inanmadığını biliyorum. Aslında bir kez Don Berry'nin Bayesci yaklaşımı özellikle tip I hatasını kontrol eden uyarlanabilir tasarımlarda kullanmanın bir endişe olmadığını söylediğini duydum. Kötü ilaçların piyasaya sürülmemesini sağlamak için FDA için pratik olarak ne kadar önemli olduğunu gördükten sonra bunu geri aldı.

Cevabım evet ve hayır. 45 test yaparsanız kesinlikle çokluk ayarlamanız gerekir, ancak çok fazla muhafazakar olabileceğinden Bonferroni'ye hayır. Korelasyon için benimkini veri yaptığınızda tip I hatasının enflasyonu, açıkça atıfta bulunulan "görünüm ve korelasyonu bulacaksınız" ile dikkat çeken bir konudur. Her üç bağlantı da harika bilgiler sağlar. Eksik olduğunu düşündüğüm, Westfall ve Young tarafından çok güzel geliştirilen p-değeri ayarına yeniden örnekleme yaklaşımı. Örnekleri bootstrap kitabımda bulabilir veya ayrıntıları örnekleme kitaplarında bulabilirsiniz. Benim önerim, p-değeri ayarlaması için önyükleme veya permütasyon yöntemlerini düşünmek ve belki de sıkı aile bilimi hata oranı üzerinde yanlış keşif oranını düşünmek olacaktır.

Westfall ve Young'a bağlantı: http://www.amazon.com/Resampling-Based-Multiple-Testing-Adjustment-Probability/dp/0471557617/ref=sr_1_1?s=books&ie=UTF8&qid=1343398751&sr=1-1&keywords=peter+ Westfall'un

Bretz ve arkadaşlarının çok sayıda karşılaştırma üzerine son kitabı: http://www.amazon.com/Multiple-Comparisons-Using-Frank-Bretz/dp/1584885742/ref=sr_1_2?s=books&ie=UTF8&qid=1343398796&sr=1-2&keywords= peter + Westfall'un

Bölüm 8.5'teki materyaller ve tonlarca bootstrap referansı olan kitabım: http://www.amazon.com/Bootstrap-Methods-Practitioners-Researchers-Probability/dp/0471756210/ref=sr_1_2?s=books&ie=UTF8&qid=1343398953&sr=1 -2 anahtar = michael + Chernick

— Michael R. Chernick
kaynak

+1 Graham Martin Munchausen'in İstatistik Şelalesi'nin Westfall & Young'ın sonunda yeniden üretilmesi her şeyi çok ilgi çekici bir şekilde söylüyor. Bunu Amazon "içeriye bak" özelliğinde okuyabilirsiniz. (Amazon'un bu 150 dolarlık kitap için 7 dolarlık bir takas fiyatı sunduğunu görmek neredeyse eğlenceli .)

— whuber

@whuber Sanırım bir zamanlar Baron'un kendini bootstraps'undan bir gölden çektiğini gösteren bir çizgi gördüm. Efron, bootstrap olarak adlandırmak akıllıca olabilir çünkü çoğu, Baron'un efsanesi hakkında şüpheci olduğu gibi istatistiklerde yapılabileceğinden şüpheci!

— Michael R. Chernick

4

Bu bana doğrulayıcı değil keşifsel araştırma / veri analizi gibi geliyor . Yani, sadece dışadönüklüğün bir sebepten ötürü PCT ile ilgili olması gerektiğini söyleyen bir teori ile başladığınız gibi görünmüyor . Bu yüzden alfa düzenlemeleri hakkında fazla endişelenmeyeceğim, çünkü CDA ile daha ilgili olduğunu düşündüğüm gibi, ne de bulmanızın mutlaka doğru olduğunu düşünmüyorum. Bunun yerine, bir şey bu kadar düşünmek istiyorum kudretigerçek olun ve eldeki konular hakkında bildiklerim ışığında bu fikirlerle / olasılıklarla oynayın. Bu bulguyu gördükten sonra, doğru görünüyor mu yoksa şüpheci misiniz? Doğru olsaydı mevcut teoriler için ne anlama gelirdi? İlginç olur mu? Önemli olur mu? Bunun olası zaman, çaba ve masrafı akılda tutarak, doğru olup olmadığını belirlemek için yeni (doğrulayıcı) bir çalışma yürütmeye değer mi? Bonferroni düzeltmelerinin sebebinin, çok fazla değişken olduğunda bir şeylerin ortaya çıkmasını beklememiz olduğunu unutmayın . Bence sezgisel bir şey olabilir 'bu çalışma, gerçeğin hayır olduğu ortaya çıksa bile, yeterince bilgilendirici olur mu?'? Buna değmeyeceğine karar verirseniz, bu ilişki 'kudret' kategorisinde kalır ve devam edersiniz, ancak yapmaya değerse, test edin.

— gung - Monica'yı eski durumuna döndürün
kaynak

Keşifsel veri analizinin ne olduğunu gerçekten anlarsa ve büyük korelasyonları çok ciddiye almazsa, size katılıyorum. Ancak insanlar, zayıf ilişkili olanı filtrelemek için keşif analizi yaptıkları ancak umut verici bir şey gördüklerinde aşırı heyecanlandıklarını kabul edecekler. Bu insan doğasının bir parçasıdır. kriterleri FDR kullanarak ayarlama yapmanın heyecanı kontrol altına almanın mantıklı bir yolu olduğunu düşünüyorum.

— Michael R. Chernick

1

@MichaelChernick, seninle kesinlikle aynı fikirde değilim. Sadece başka bir fikir ortaya koymak istedim ve genellikle büyük bir resim, yarı felsefi, her şey hakkında bir bakış açısı vermek istiyorum. Birçok uygulayıcı, onlara sır gibi görünen ve temelli bir anlayış olmadan bırakılan ayrıntılarda bataklığa düşebilir.

— gung - Monica'yı eski durumuna döndürün

1

Burada bir anlaşmazlık yok ve ben senin fikrini anlıyorum. Sadece şunu eklemek isterim ki, eğer biz, istatistiksel açıdan ilke olarak kabul edersek ve kabul edebilirsek ve araştırmamıza, sonuca özel bir ilgi ile kişisel olarak bağlanamazsak, tam olarak söylediklerinizi yapabiliriz. Ama bunu yapmak çok zor. Belirli bir ilacın milyonlarca klinik araştırmasına harcanmış bir ilaç şirketinde çalıştığınızı ve başarısız olduğunu düşünün. Tıbbi direktör sizden 20 farklı alt grubu aramanızı ve çalışan bir grup bulmanızı isteyecektir.

— Michael R. Chernick

1

Alt grup analizi, klinik araştırmanın en tartışmalı yönlerinden biridir. Çokluk ayarlaması olmadan onu meşrulaştırmanın bir yolu yoktur ve post hoc yapmak FDA'ya satmayı zorlaştırır. Bu, son yıllarda yaşadığım deneyimlerden sadece bir örnek.

— Michael R. Chernick

-1

Aşağıdakilere göre: http://birnlab.psychiatry.wisc.edu/resources/fMRI_TestRetest_Documentation.pdf

Önemi belirlerken, çoklu karşılaştırmalar için p değerini düzeltin. Örneğin, bir Bonferroni düzeltmeli p-değeri, p-değerinin, bu durumda m (m - 1) / 2 benzersiz bağlantı olan toplam karşılaştırma sayısına bölünmesiyle elde edilir.

Örneğin, bir korelasyon için kesim p-değeriniz 0,05'tir ve korelasyon tablonuzun 100 * 100 olduğunu varsayalım. O zaman p-değeriniz 0,05 / (100 * 99/2) olarak ayarlanmalıdır.

Doğrusal regresyon, yukarıdakine benzer şekilde Bonferroni düzeltmesini uygular.

Cevabın sorduğunuz şeyle ilgili olmadığını biliyorum. Bu durumda, lütfen bana bildirin, açıklığa kavuşturmak için elimden geleni yapacağım. Umarım yardımcı olur.

— Frank Puk
kaynak