Сравнить силу связи |
Здравствуйте, гость ( Вход | Регистрация )
Сравнить силу связи |
16.02.2012 - 19:34
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 16.02.2012 Пользователь №: 23494 |
Добрый день.
Имеется 3-и синдрома в рамках 4-х нозологий. Нужно выяснить от синдрома ли или от нозологии зависит ряд количественных (интервальных) показателей. Не подскажите ли как? Спасибо |
|
17.02.2012 - 00:21
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Добрый день. Имеется 3-и синдрома в рамках 4-х нозологий. Нужно выяснить от синдрома ли или от нозологии зависит ряд количественных (интервальных) показателей. Не подскажите ли как? Спасибо Вложенные факторы. Если построить модель соответствующую, то будет видно какой из факторов работаетю Можно почитать вот эту книгу http://lme4.r-forge.r-project.org/book/ |
|
17.02.2012 - 16:22
Сообщение
#3
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
>p2004r
Да нет, здесь всё проще: обычная перекрестная схема, никакой иерархии с вложенными факторами. Как я понял в каждой из 4х нозологий присутствуют одни и те же 3 симптома, а значит возможно взаимодействие факторов "Нозология х Симптом". >Аля. Есть разные пути: простой и сложные. 1) Простой. p2004r имел в виду дисперсионный анализ, ну или общую линейную модель, которая включает в себя в том числе все варианты дисперсионных комплексов. В рамках этих моделей можно для каждого показателя выразить 3 эффекта: "Нозология", "Симптом" и взаимодействие факторов "Нозология х Симптом", а также оценить их статистическую значимость. Затем опираясь на математические ожидаемые средних квадратов рассчитать компоненты дисперсии (в %), которые и дадут полный расклад - что сильнее влияет на показатель: нозология, симптом или их сочетание. Такие компоненты для главных эффектов (а может и для взаимодействий тоже - не помню точно) называют также коэффициентами внутриклассовой корреляции (intraclass correlation coefficient), т.к. они показывают насколько величина показателя теснее внутри группы, относительно различий между группами. А раз есть хоть какой-то показатель "корреляции", значит решение можно интерпретировать в терминах "связи" - что и требовалось условии задачи. Нужно читать про дисперсионный анализ и разложение дисперсии на компоненты. На русском - достаточно Монтгомери. Планирование эксперимента и анализ данных, 1980 (есть в сети). 2) Более сложные подходы - многомерные. Показателей не один, а несколько, и не исключено, что они как-то связаны друг с другом. Поэтому можно работать со всем массивом одновременно. Например, вытянуть из взаимосвязей показателей обобщающие переменные, интерпретировать их по существу стоящих за ними биологических явлений, рассчитать метки этих новых переменных для каждого пациента, а уже затем сравнивать как в (1) - дисперсионный анализ главных компонент (или факторов, если метки получены каким-либо вариантом факторного анализа). Или спроецировать облако показателей непосредственно на пространство инструментальных переменных (4 нозологии и 3 симптома) и вытянуть т.о. именно те сочетания показателей, которые сильнее всего влияют на них - анализ избыточности=метрическое шкалирование (полученные здесь результаты также можно интерпретировать в терминах корреляции). Сообщение отредактировал nokh - 17.02.2012 - 16:28 |
|
18.02.2012 - 18:17
Сообщение
#4
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 16.02.2012 Пользователь №: 23494 |
Спасибо!
|
|