Непараметрическая статистика, различия в результатах анализа по Фридмену и теста Уилкоксона |
Здравствуйте, гость ( Вход | Регистрация )
Непараметрическая статистика, различия в результатах анализа по Фридмену и теста Уилкоксона |
8.02.2010 - 22:18
Сообщение
#166
|
|
Группа: Пользователи Сообщений: 120 Регистрация: 27.08.2009 Пользователь №: 6284 |
Игорь, Вы, отвечая на вопрос о нелинейных регрессиях, перешли к литературе о непараметрических моделях. Это одно и тоже? Я полагала, что нелинейные и непараметрические - это разные вещи. Не так?
Это не кованализ :)
|
|
9.02.2010 - 07:03
Сообщение
#167
|
|
Группа: Пользователи Сообщений: 1114 Регистрация: 10.04.2007 Пользователь №: 4040 |
А это вообще странная тема.
Игорь, Вы, отвечая на вопрос о нелинейных регрессиях, перешли к литературе о непараметрических моделях. Это одно и тоже? Я полагала, что нелинейные и непараметрические - это разные вещи. Не так? Не одно и то же. Нелинейная модель - параметрическая. Вы невнимательно прочитали вопрос: Для нелинеаризуемых? Как? Если у Вас есть идентифицированная нелинейная модель, ничто не мешает использовать преобразования данных для ее "спрямления". Pinus же пишет "нелинеаризуемых". Могу предположить, что имелись в виду данные, для которых не удалось подобрать никакую параметрическую модель. Следовательно, обращаемся к непараметрике. Ну вот, нашел работу Conover и Iman (парадокс, но не в Интернете, а в закоулках своих архивов). Как и ожидалось - это [методически] лучший источник по теме. Без излишних обобщений, просто, понятно и с примерами. Жалко, монографию Conover в свое время не перевели - многих томов (особенно, отечественных) она стоит. Да и оригинальной в электронном виде нет, что еще хуже. Сообщение отредактировал Игорь - 9.02.2010 - 14:44 Ebsignasnan prei wissant Deiws ainat! As gijwans! Sta ast stas arwis!
|
|
9.02.2010 - 16:55
Сообщение
#168
|
|
Группа: Пользователи Сообщений: 120 Регистрация: 27.08.2009 Пользователь №: 6284 |
Игорь, спасибо, понятно. Pinus сначала написал о нелинейной регрессии и вы ему отвечали, потом о нелинеаризуемой. (конец сообщения 157, сообщение 158 и 159 в этой теме). Я разницу понимаю. Надеюсь, Pinus тоже.
----- Вам в копилку, если не имеете Анатольев.С. Непараметрическая регрессия. 2009, Квантиль, ?7, стр 37-52. Лежала в Инете, сейчас не знаю. ---------- И все-таки еще раз внимательно посмотрела весь диалог. Линейная регрессиия - это понятно Нелинейная -понятно Нелианеризуемая - невозможно представить линейной. Но кто мешает оценить параметры? Нелинейная параметрическая - почему нет? Нелинеаризуемая параметрическая - почему нет? Непараметрическая - вот к ней неприменимо любое слово, ни слово "линейная" ни слово "нелинейная". Что я не так сказала? Сообщение отредактировал Green - 9.02.2010 - 17:50 Это не кованализ :)
|
|
9.02.2010 - 18:03
Сообщение
#169
|
|
Группа: Пользователи Сообщений: 1114 Регистрация: 10.04.2007 Пользователь №: 4040 |
Лежала в Инете, сейчас не знаю. И сейчас лежит, ибо сетевой журнал "Квантиль" распространяется бесплатно. http://quantile.ru/07/07-SA.pdf В журнале и еще много чего интересного есть. Выше в теме подробно обсуждался ANCOVA. Еще источник попался: Монтгомери Д.К. Планирование эксперимента и анализ данных. - Л.: Судостроение, 1980, вся гл. 15. Есть в Интернете. Сообщение отредактировал Игорь - 10.02.2010 - 09:08 Ebsignasnan prei wissant Deiws ainat! As gijwans! Sta ast stas arwis!
|
|
10.02.2010 - 12:26
Сообщение
#170
|
|
Группа: Пользователи Сообщений: 244 Регистрация: 28.08.2009 Пользователь №: 6286 |
Если у Вас есть идентифицированная нелинейная модель, ничто не мешает использовать преобразования данных для ее "спрямления". Pinus же пишет "нелинеаризуемых". Могу предположить, что имелись в виду данные, для которых не удалось подобрать никакую параметрическую модель. Следовательно, обращаемся к непараметрике. Игорь, под нелинеаризуемыми я имел ввиду функции, которые нельзя привести к линейному виду. Просто под нелинейными регрессиями часто понимают разное, и встречал, что авторы уточняют, что они имеют ввиду. Например, есть источники (тот же Ферстер с соавт.), в которых линейные - это прямолинейные, а нелинейные делятся на два класса: квазилинейные (которые путем преобразований или введением фиктивных переменных можно привести к прямолинейному виду) и нелинеаризуемые (которые путем математических действий не поддаются линеаризации). Для нахождения оценок параметров нелинеаризуемых регрессий используют различные итерационные методы. То есть получается, что эти методы можно называть непараметрическими? Сообщение отредактировал Pinus - 10.02.2010 - 12:27 |
|
10.02.2010 - 12:50
Сообщение
#171
|
|
Группа: Пользователи Сообщений: 244 Регистрация: 28.08.2009 Пользователь №: 6286 |
Вы собираетесь переводить? А зачем терять время? Все учили английский, сдавали экзамены и кандидатский минимум? Ну вот - есть возможность практически проявить подтвержденные высокими оценками навыки (мне лично, учившему немецкий и не особо обремененному способностями к языкам, без всякой практики, лет 20 назад хватило 2-месячных курсов английского, чтобы с тех пор понимать смысл статей по интересующим тематикам). Чтобы понять десяток формул с пояснениями, переводить статью нет необходимости. Английский учил конечно, но как-то особо неблистал? Определенные навыки конечно остались, но словарный запас желает быть лучше. Курсы и кандидатский минимум еще предстоят, а вступительные в аспирантуру не сдавал, поскольку свободно соискательствую. Сразу с листа понимать не получается, в т.ч. справки по разным программам. Поэтому определенные затраты времени неизбежны. Конечно речь не идет о книгах, просто отдельные важные куски и, конечно, при помощи программ-переводчиков. |
|
26.05.2010 - 09:55
Сообщение
#172
|
|
Группа: Пользователи Сообщений: 79 Регистрация: 18.01.2010 Пользователь №: 9836 |
Подскажите, пожалуйста, почему получаются разные разультаты между Фридманом и Вилкоксоном? (Группы связанные, считал с поправкой Бонферрони, т.е. для каждого из 10 возможных попарных сравнений установил p < 0.005)
заранее спасибо Сообщение отредактировал bubnilkin - 28.07.2010 - 15:38 |
|
26.05.2010 - 14:48
Сообщение
#173
|
|
Группа: Пользователи Сообщений: 94 Регистрация: 6.02.2010 Из: Клайпеда Пользователь №: 10967 |
Подскажите, пожалуйста, почему получаются разные разультаты между Фридманом и Вилкоксоном? (Группы связанные, считал с поправкой Бонферрони, т.е. для каждого из 10 возможных попарных сравнений установил p < 0.005) заранее спасибо Может разница обусловлена условиями применимости каждого из методов? http://www.matlab.mgppu.ru/work/0014.htm http://www.matlab.mgppu.ru/work/0022.htm книга http://noleex.ru/ главы http://noleex.ru/0041.htm http://noleex.ru/0042.htm ссылка на руководство по СПСС, где тоже указывается, что есть различия по значимости при использовании Вилкоксона и Фридмана http://lib.socio.msu.ru/l/library?e=d-000-...5b7f3.6&x=1 но нет ответа чем они обусловлены Лучше если Вам ответит кто-нибудь из наших гуру, я как и вы только осваиваю статистику поэтому могу ошибаться. Cogito ergo sum
Nemo omnia potest scire |
|
26.05.2010 - 22:04
Сообщение
#174
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
Подскажите, пожалуйста, почему получаются разные разультаты между Фридманом и Вилкоксоном? (Группы связанные, считал с поправкой Бонферрони, т.е. для каждого из 10 возможных попарных сравнений установил p < 0.005) заранее спасибо Методы разные - разные и результаты. Пакеты могут эту разницу усиливать, т.к. в случае Фридмана использовать аппроксимацию хи-квадратом, а в случае Вилкоксона для разностей пар - t-критерием, что не является правильным для столь малых выборок. Но и в этом случае различия двух методов не должны быть сильными. Например, в паре (1-2) Фридман даёт P=0,005, Вилкоксон P=0,013; для (1-3) это 0,059 и 0,042; для (2-4) это 0,257 и 0,171. Очень близко! Поправка Боферрони итак очень консервативна, а на столь малой выборке вообще всё на нет сводёт. Если использовать непараметрику, то я бы для Ваших данных использовал только Фридмана для всего набора данных - колоссальная значимость различий: P=0,00008. По средним рангам видно где и насколько лучше. Построить соответсвующий график. Если очень нужно попарно сравнить - не обязательно ведь проводить все возможные сравнения, я бы делал упор только на доказательстве эффективности веществ А и В. |
|
6.06.2010 - 10:37
Сообщение
#175
|
|
Группа: Пользователи Сообщений: 79 Регистрация: 18.01.2010 Пользователь №: 9836 |
Pyrosmani, спасибо за ссылки
nokh, спасибо за разъяснения в случае Фридмана использовать аппроксимацию хи-квадратом, а в случае Вилкоксона для разностей пар - t-критерием, что не является правильным для столь малых выборок. nokh, а что вы посоветуете вместо Фридмана и Вилкоксона? График строить по средним рангам или по медианам? Что нужно поставить в ДИ (размах или квартильный размах)? Можно ли использ. разные методы контроля ошибки 1 рода в одной cтатье? заранее спасибо Сообщение отредактировал bubnilkin - 6.06.2010 - 10:43 |
|
6.06.2010 - 18:51
Сообщение
#176
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
nokh, а что вы посоветуете вместо Фридмана и Вилкоксона? Да, в принципе, и они нормально. Можно сделать дисперсионный анализ с повторными измерениями, но попарные сравнения внутри дисперсионного комплекса провести не получится, т.к. выборки зависимые, а измерения в каждой точке проводились однократно - ошибку выразить нельзя. Поэтому для попарных сравнений и после дисп. анализа придётся прибегать к другим методам. Т.е. в данном случае такой вариант будет не лучше непараметрики, но оставляет вопросы по поводу нормальности распределения показателей. График строить по средним рангам или по медианам? Что нужно поставить в ДИ (размах или квартильный размах)? Мы сравниваем средние значения, не так важно на что при этом опирается критерий - на ранги, медианы или что-то ещё. Думаю, нужно дать обычный коробчатый график - см. ниже. Можно ли использ. разные методы контроля ошибки 1 рода в одной cтатье? Это будет выглядеть несколько вычурно, хотя встречал в литературе, что люди дублируют статпроверку для пущей убедительности. Для меня такое дублирование свидетельствует, как правило, не о продвинутости автора в статистике, а о его неумении обоснованно выбрать единственный оптимальный в данном конкретном случае стат. критерий. Иногда это вообще сильно бросается в глаза - автор просто даёт всё подряд, что содержится в отчёте статпакета. Если бы я делал такой анализ в отчёт - ограничился бы рисунком, куда-то посерьёзнее - делал бы Фридмана и Вилкоксона + рисунок. В особо важном случае преобразовал бы данные по Боксу-Коксу, провёл дисп. анализ с повторными измерениями, попарные сравнения сделал бы парным критерием Стьюдента, а поправку на множественность сравнений провёл бы последовательной техникой Бонферрони (метод Данна-Шидака). После расчёта средних и 95%-ных ДИ для преобразованных по Боксу-Коксу данных ретрансформировал бы их обратно к исходной шкале (ДИ станут асимметричными) и это показал бы на графике. |
|
22.07.2010 - 08:15
Сообщение
#177
|
|
Группа: Пользователи Сообщений: 79 Регистрация: 18.01.2010 Пользователь №: 9836 |
nokh, я вам благодарен за исчерпывающий ответ !
а скажите, пожалуйста, эту процедуру можно применить для процентных данных (проценты выражают число клеток)? нужно ли отображать первоначальные (полученные в результате эксперимента, т.е. нетрансформированные) данные на диаграмме с обратно-трансформированными средними и их ДИ? или это ненужные излишества? Сообщение отредактировал bubnilkin - 22.07.2010 - 08:19 |
|
6.08.2010 - 13:24
Сообщение
#178
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
а скажите, пожалуйста, эту процедуру можно применить для процентных данных (проценты выражают число клеток)? Преобразование Бокса-Кокса является лучшим из семейства степенных преобразований (power transformation). Для процентов применяются преобразования из другого семейства - угловые преобразования. Наиболее известное - фи-преобразование y=2arcsin (sqrt(p)). где p - частота (например клеток) в долях единицы. Описано с выводом в Хальд - Математическая статистика, детали в Большев, Смирнов - Математико-статистические таблицы ... и в Урбах - Биометрические методы... Более мощное угловое преобразование - преобразование Фримана-Тьюки (Freeman-Tukey transformation). Для него встречал несколько отличающихся формул. нужно ли отображать первоначальные (полученные в результате эксперимента, т.е. нетрансформированные) данные на диаграмме с обратно-трансформированными средними и их ДИ? или это ненужные излишества? Т.к. средние значения и ДИ правильны только для ретрансформированных данных - их и нужно приводить. Для угловых преобразований ДИ также будут асимметричными, особенно вблизи 0 и 1 (0 или 100%). |
|
15.08.2010 - 16:29
Сообщение
#179
|
|
Группа: Пользователи Сообщений: 244 Регистрация: 28.08.2009 Пользователь №: 6286 |
Попалась книжка: Любищев А.А. Дисперсионный анализ в биологии, 1986. Она конечно старая (автор почил в 1972 г.), но вот высказывается мысль, что есть методы применения параметрического ANCOVA в случае нелинейных регрессий. Где об этом можно почитать и в каком софте это реализовано?
Плав, зимой в этой теме (Непараметрическая статистика) неудачно стали обсуждать ковариационный анализ (со стр. 2). Может быть есть смысл перенести этот материал в новую отдельную тему? |
|
18.08.2010 - 06:52
Сообщение
#180
|
|
Группа: Пользователи Сообщений: 79 Регистрация: 18.01.2010 Пользователь №: 9836 |
уважаемый nokh, спасибо за ответы!
извините за назойливость.... подскажите, пожалуйста, а как быть со статанализом, если данные в виде ПРОЦЕНТОВ, а дизайн -- тот же? Вы рассказали про угловые преобразования..., а дальше делать также как описано (?): 1) угловое преобразование 2) дисп. анализ с повторными измерениями (RM ANOVA) 3) попарные сравнения парным критерием Стьюдента + поправка на множественность сравнений техникой Бонферрони (например, метод Данна-Шидака) 4) расчёт средних и 95%-ных ДИ для преобразованных по Фриману-Тьюки данных 5) ретрансформация их к исходной шкале (ДИ станут асимметричными) 6) диаграмма (M+/- 95CI%). заранее благодарю Сообщение отредактировал bubnilkin - 30.08.2010 - 07:03 |
|