Форум врачей-аспирантов

Здравствуйте, гость ( Вход | Регистрация )

 
Добавить ответ в эту темуОткрыть тему
> Вопрос по факторному анализу
md416
сообщение 7.12.2019 - 21:42
Сообщение #1





Группа: Пользователи
Сообщений: 7
Регистрация: 7.12.2019
Пользователь №: 37140



Уважаемые коллеги, возник такой вопрос:
При выполнении факторного анализа используется логистическая регрессия.
При однофакторном анализе (и многофакторном) программы позволяют включать или исключать так называемый свободный член.
Нужно ли его включать или нужно исключать для получения более достоверных сведений? А интересует в первую очередь в результате отношение шансов и его ДИ. Соответственно, включение и исключение свободного члена дает в итоге разные результаты и разный p уровень...

P.S. в тех статьях, которые я видел и где используется факторный анализ в описании методов как-то не приводят такие данные о свободном члене.

Как быть?

Заранее спасибо!
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
nokh
сообщение 8.12.2019 - 00:15
Сообщение #2





Группа: Пользователи
Сообщений: 1202
Регистрация: 13.01.2008
Из: Челябинск
Пользователь №: 4704



Полностью неверное использование занятых терминов!
1) То что вы делаете не является факторным анализом. Прочитайте любую статью/ посмотрите ролик про ФА, чтобы в этом убедиться и не использовать термин в ином контексте.
2) Термины "однофакторный" и "многофакторный" применяются для обозначения экспериментальных схем и моделей дисперсионного анализа (Analysis of variance = ANOVA). Аналогично: см что-нибудь по Anova.
3) То что вы делаете называется бинарной и множественной логистической регрессией. Свободный член (intercept, constant) обязательно нужен.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
md416
сообщение 8.12.2019 - 01:41
Сообщение #3





Группа: Пользователи
Сообщений: 7
Регистрация: 7.12.2019
Пользователь №: 37140



Цитата(nokh @ 8.12.2019 - 00:15) *
Полностью неверное использование занятых терминов!
1) То что вы делаете не является факторным анализом. Прочитайте любую статью/ посмотрите ролик про ФА, чтобы в этом убедиться и не использовать термин в ином контексте.
2) Термины "однофакторный" и "многофакторный" применяются для обозначения экспериментальных схем и моделей дисперсионного анализа (Analysis of variance = ANOVA). Аналогично: см что-нибудь по Anova.
3) То что вы делаете называется бинарной и множественной логистической регрессией. Свободный член (intercept, constant) обязательно нужен.


Спасибо за пояснения! Действительно, я только изучаю статистику.
Под "факторным анализом" я понимал построение однофакторных и многофакторных моделей (uninvariate, multivariate в англоязычных статьях). Так корректнее будет называть?
Спасибо за пояснение, что свободный член нужен. В этом и был вопрос, ибо результаты совсем разные с ним и без него.

Позвольте 2 вопроса:
1) Вы пишете, что однофакторная и многофакторная модель\схема относится к тематике дисперсионного анализа. А аналогично к регрессионному эти термины применимы? В моём случае используется бинарная логистическая регрессия (исход да\нет) и изучение факторов влияющих на данный исход по отдельности (однофакторный) и модели, где факторы вместе (многофакторный). И вычисление отношения шансов исхода таким образом.

2) Посмотрел истинно "факторный анализ"... так что-то совсем лютое... вращения варимакс, главные компоненты и т.д. и т.п.... А если кратко, то для чего он нужен? Искренне прочитал статью СтатСофта (http://statsoft.ru/home/textbook/modules/stfacan.html?sphrase_id=86286) всё-равно пока на моем уровне понимания статистики не понял как это применить в повседневных медицинских исследованиях..
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Med_Elena
сообщение 8.12.2019 - 07:42
Сообщение #4





Группа: Пользователи
Сообщений: 9
Регистрация: 13.02.2019
Пользователь №: 32925



Цитата(md416 @ 8.12.2019 - 01:41) *
Спасибо за пояснения! Действительно, я только изучаю статистику.

Позвольте 2 вопроса:
1) Вы пишете, что однофакторная и многофакторная модель\схема относится к тематике дисперсионного анализа. А аналогично к регрессионному эти термины применимы? В моём случае используется бинарная логистическая регрессия (исход да\нет) и изучение факторов влияющих на данный исход по отдельности (однофакторный) и модели, где факторы вместе (многофакторный). И вычисление отношения шансов исхода таким образом.

2) Посмотрел истинно "факторный анализ"... так что-то совсем лютое... вращения варимакс, главные компоненты и т.д. и т.п.... А если кратко, то для чего он нужен? Искренне прочитал статью СтатСофта (http://statsoft.ru/home/textbook/modules/stfacan.html?sphrase_id=86286) всё-равно пока на моем уровне понимания статистики не понял как это применить в повседневных медицинских исследованиях..

Вот и я до своей диссертации тоже пыталась "изучать статистику" wink.gif А потом поняла, что двумя профессионалами мне не стать. Т.е. быть и медиком и статистиком - это не реально. Потому что второе высшее образование по математике не надо получать, тогда как надо повышать свой уровень по медицине.
Относительно факторного анализа. Я прочитала об этом анализе интересную статью "ФАКТОРНЫЙ АНАЛИЗ: ОСНОВНЫЕ ПОЛОЖЕНИЯ И ОШИБКИ ПРИМЕНЕНИЯ". А потом обратилась за помощью в анализе своей базы данных к автору этой статьи. И когда получила от него результаты анализа своей базы данных, и подборку книг по статистике, то поняла, что нужно читать не только отдельные статьи по статистике, но и книги.
Относительно логистической регрессии. Хорошо стала понимать этот метод прочитав 10 статей по логистической регрессии . А также прочитав на том же сайте несколько выложенных диссертаций и статей, в которых и приводятся результаты логистической регрессии, стала гораздо лучше понимать уравнения логистической регрессии, полученные по своей базе данных.
Кстати о книгах по статистике. Таких книг в интернете очень много. Сделайте на Яндексе запрос "книги по статистике", и скачайте много книг. И это поможет вам гораздо лучше, чем лишь запросы и ответы. Поскольку обычно в этих хороших книгах много и примеров использования разных методов анализа.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
EkaterinaN
сообщение 29.04.2020 - 13:58
Сообщение #5





Группа: Пользователи
Сообщений: 4
Регистрация: 22.04.2020
Пользователь №: 38661



Добрый день. Подскажите, пожалуйста, по статистическим методам. У меня есть группа больных (n=229) с терминальной стадией заболевания, которые прошли успешное лечение по устранению причины этого заболевания (избавились от вируса). После этого, я наблюдаю больных каждые 3-6 месяцев с целью выявления неблагоприятных исходов. Мне необходимо определить какие параметры (факторы) до лечения позволят спрогнозировать развитие неблагоприятного исхода, несмотря на успешную противовирусную терапию. Какой метод точнее: логистическая регрессия или анализ пропорциональных рисков Кокса (последний чаще встречается в работах с аналогичным дизайном исследования)?
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
nokh
сообщение 6.05.2020 - 20:54
Сообщение #6





Группа: Пользователи
Сообщений: 1202
Регистрация: 13.01.2008
Из: Челябинск
Пользователь №: 4704



Цитата(EkaterinaN @ 29.04.2020 - 15:58) *
Добрый день. Подскажите, пожалуйста, по статистическим методам. У меня есть группа больных (n=229) с терминальной стадией заболевания, которые прошли успешное лечение по устранению причины этого заболевания (избавились от вируса). После этого, я наблюдаю больных каждые 3-6 месяцев с целью выявления неблагоприятных исходов. Мне необходимо определить какие параметры (факторы) до лечения позволят спрогнозировать развитие неблагоприятного исхода, несмотря на успешную противовирусную терапию. Какой метод точнее: логистическая регрессия или анализ пропорциональных рисков Кокса (последний чаще встречается в работах с аналогичным дизайном исследования)?

Логистическая регрессия не подходит, т.к. имется не однократный срез, а продольное (longitudinal) исследование, где выборки одних и тех же пациентов на разных сроках являются зависимыми по отношению друг к другу.
Регрессия Кокса тоже не подходит, т.к. исследование продольное + полное, тогда как этот анализ используется для массивов с цензурированными наблюдениями, когда пациенты выбывают из исследования на разных сроках.
Вам нужна обобщённая линейная модель (Generalized Linear Model) с биномиальным откликом, в которой нужно правильно задать between-within subjects эффекты. Это самая общая и одновременно сложная модель. Мне такую строить не доводилось, но материалы в сети есть. Если выложите сюда свои данные (чтобы не волноваться, можно в общем виде, типа "фактор 1", "фактор 2" и т.п.), то может быть форумчане помогут вам подогнать такую модель в R, SPSS или Statistica.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Tihon
сообщение 2.06.2020 - 10:34
Сообщение #7





Группа: Пользователи
Сообщений: 2
Регистрация: 19.05.2020
Пользователь №: 39023



Цитата(EkaterinaN @ 29.04.2020 - 13:58) *
.. я наблюдаю больных каждые 3-6 месяцев.... Какой метод точнее: логистическая регрессия или анализ пропорциональных рисков Кокса (последний чаще встречается в работах с аналогичным дизайном исследования)?

По вашей базе данных как раз и продуктивно использовать сравнения эти периодов. И в этом сравнении можно использовать логистическую регрессию. Но не только один такой метод, а ещё и немало других методов. Чтобы как раз и увидеть все нюансы этих изменений по времени, и получить весьма продуктивный результат исследования. Помню как в прошлом году мы утвердили одну докторскую диссертацию, в которой автор как раз и использовал эту логистическую регрессию, и много других методов. Что ему и сделали в НЦ БИОСТАТИСТКА. На их сайте как раз и выложены 10 статей по этой теме. Более того, при объёме вашей базы данных по n=229 нужно производить и кластерный анализ. Чтобы узнать какие группы были вначале, а какие они стали через 3 месяца, и через 6 месяцев. Надеюсь в вашей базе данных также немало и признаков.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
salm
сообщение 6.12.2021 - 15:37
Сообщение #8





Группа: Пользователи
Сообщений: 62
Регистрация: 6.12.2021
Пользователь №: 39615



Цитата(nokh @ 8.12.2019 - 01:15) *
Полностью неверное использование занятых терминов!
1) То что вы делаете не является факторным анализом. Прочитайте любую статью/ посмотрите ролик про ФА, чтобы в этом убедиться и не использовать термин в ином контексте.
2) Термины "однофакторный" и "многофакторный" применяются для обозначения экспериментальных схем и моделей дисперсионного анализа (Analysis of variance = ANOVA). Аналогично: см что-нибудь по Anova.
3) То что вы делаете называется бинарной и множественной логистической регрессией. Свободный член (intercept, constant) обязательно нужен.

А подскажите пожалуйста, при создании многофакторной модели уровень статистической значимости Intercept на что влияет? как трактовать то что он не значим?
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
nokh
сообщение 6.12.2021 - 21:47
Сообщение #9





Группа: Пользователи
Сообщений: 1202
Регистрация: 13.01.2008
Из: Челябинск
Пользователь №: 4704



Цитата(salm @ 6.12.2021 - 17:37) *
А подскажите пожалуйста, при создании многофакторной модели уровень статистической значимости Intercept на что влияет? как трактовать то что он не значим?

Создайте другую тему, т.к. это не имеет отношения к факторному анализу. Например "Intersept в многофакторных моделях / на что влияет"
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Игорь
сообщение 8.03.2022 - 07:57
Сообщение #10





Группа: Пользователи
Сообщений: 1113
Регистрация: 10.04.2007
Пользователь №: 4040



Цитата(nokh @ 8.12.2019 - 00:15) *
3) То что вы делаете называется бинарной и множественной логистической регрессией. Свободный член (intercept, constant) обязательно нужен.

Свободный член в логистической регрессии не является обязательным. Нужно пробовать, какой результат будет лучше - со свободным членом или без него. Адекватное ПО позволяет это.

Сообщение отредактировал Игорь - 8.03.2022 - 08:05


Signature
Ebsignasnan prei wissant Deiws ainat! As gijwans! Sta ast stas arwis!
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 

Добавить ответ в эту темуОткрыть тему