Работа с клетками. Выбор статистических методов, Теоретически распределение нормальное, на практике выборки малые Опции

[nokh]

Свой вариант анализа прилагаю. Критика приветствуется, но черновик правиться не будет.
Обнаружил ляп: рис. 4 - просто копия рис. 3. Добавил второй вариант с правильным рис. 4.

Сообщение отредактировал nokh - 10.08.2010 - 13:28

Прикрепленные файлы

 Смешанная_модель_дисперсионного_анализа_в_пакете_Statistica.pdf ( 595,35 килобайт ) Кол-во скачиваний: 1227
 Смешанная_модель_дисперсионного_анализа_в_пакете_Statistica.pdf ( 600,89 килобайт ) Кол-во скачиваний: 3307

 

[плав]

Свой вариант анализа прилагаю. Критика приветствуется, но черновик правиться не будет.

Прекрасное и очень подробное описание. Читать всем!
Меня только вот что смущает:
1) Ортогональные контрасты - они известны своей способностью увеличивать ошибку I типа (собственно это ведь не что иное, как аналог t-теста только с общемодельной оценкой дисперсии). В пособии сделано много контрастов - соответственно резко увеличена вероятность ошибки I типа в сравнении с номинальной.
2) В комментариях по поводу post-hoc тестов - их вообще нельзя использовать, если омнибусный тест показал, что средние во всех ячейках одинаковы - это относится не только к LSD, но и к остальным, включая HSD (логика понятна - если суммарный тест говорит, что все одинаково, использование дополнительных тестов похоже на выкручивание рук с целью получить ответ "да"). Поскольку HSD значительно лучше контролирует ошибку I типа (LSD ее просто не контролирует), то соответственно, использование LSD в принципе сомнительно (если только не так, как у Вас описано, для того, чтобы убедиться, что действительно различий между группами нет, но тогда я бы брал не 0,05, а хотя бы 0,2).
И еще по поводу множественности сравнений. Поскольку концентрации 1-4 вообще не сильно различаются, надо бы было объединить их в одну группу (вынеся, например, саму концентрацию в случайные факторы - ибо в реальности это - случайный фактор) и сравнивать только две концентрации 1-4 и 5-6. (либо трансформировать переменную отклика и считать концентрации количественной переменной с использованием фактически не ДА, а ANCOVA - судя по картинкам зависимость напоминает экспоненту (1-)).

[nokh]

Спасибо за комментарии! Про либеральность ортогональных контрастов не слышал, нужно будет поднимать литературу посовременнее. Несомненно представленный вариант - только вариант, возможны улучшения. С ANCOVA мы разбирались полгода назад, выкладывал подробный материал здесь: http://forum.disser.ru/index.php?showtopic=2154&st=69 . Но включить в ANCOVA случайный фактор "Повторность" не сумею.

[плав]

Про либеральность ортогональных контрастов не слышал, нужно будет поднимать литературу посовременнее.

Armitage, Berry, Matthews. Statistical methods fo medical reserch (4th ed) p. 225 (chapter 8.4 Multiple comparisons). Собственно поэтому они и называются "спланированными контрастами", предполагая, что планирование исследования учитывало именно такие сравнения и их немного.
Что касается ANCOVA, то тут ведь можно играть с контрастами (типа -2 -1 0 1 2 - линейная регрессия)

[Sergey.Pustylnik...]

nokh, огромное Вам спасибо за анализ!

плав, я наверное не способен вполне оценить
Ваши комментарии, но пытаюсь, тоже спасибо ))

В тему я не писал, так как возникли более
неотложные задачи, в связи с чем я решил
обработать результаты несколько позже -
для меня это действительно длительный
процесс, так как во многое надо вникать "с нуля".

Я очень признателен nokh, совершенно не ожидал такого
подробного разбора и понятного объяснения!
Постараюсь поскорее завершить работу,
связанную с этими результатами, правда после отпуска.
(а значит только в сентябре)

Как будут выглядеть мой сокращенный вариант
обсуждения результатов - обязательно в итоге выложу!

Еще раз спасибо, чувствую себя у Вас в долгу.
Если я могу как-то со своей стороны быть полезен,
то, пожалуйста, скажите!
Обязательно всем знакомым посоветую ваш
форум! (Я ведь верно понял, что Вы имеете к нему
прямое отношение?)

Удачи во всем!

-- Не по основной теме, в основном к nokh --

Кстати, мне кажется, что очень близкий подход к обработке
результатов должен присутствовать в обоих очень и очень
распространенных методах (как в билогии, так и в медицине) -
реал-тайм ПЦР и ИФА. В обоих случаях анализы
проводят в планшетах, в обоих случаях внутри
планшета есть повторы, и есть повтор эксперимента целиком.
(Если все по-честному, то это самый минимальный набор данных).
В обоих случаях методы регистрации высокопроизводительные
и точные - многоканальные спектрофотометры/флуориметры/
приборы для измерения люминесценции.
Да и еще есть ОГРОМНОЕ количество тестов/китов, рассчитанных
на подобную схему получения результатов (кроме RT-PCR и ELISA).
И тесты, подобные МТТ, и количественное окрашивание белков - много всего.

Только вот в статьях внятного руководства, как в современных
программах корректно статистически обработать
подобные данные - я не нашел. Ни в Statistica, ни в SPSS.
В отношении первой программы я у них и на сайте поискал,
так как решил с нее начать. Поискал и не нашел.

В книгах зачастую ситуация такая - в первую очередь описан метод,
а потом во вторую очередь, где и как его можно применить.
И оглавления обычно построены таким же образом.
Но тот, кому нужно сделать анализ - он же ищет исходя
из того, какой был у него план исследования,
какой метод, какие перед ним стоят вопросы.
По "статистике" я скачал 2 книги -
Владимира Боровикова "Искусство анализа данных
на компьютере" и О.Ю. Ребровой "Статистический
анализ медицинских данных". Может быть мне не
хватило терпения найти то, что мне было нужно, но
после этих книг я все-таки обратился на форум.
И надо сказать (возможно, это я плохо искал, или не умело),
что и в англоязычной литературе ничего внятного по поводу
того, как "правильно анализировать результаты ИФА" я
не нашел (искал по подобным ключевым словам).
Вот пример поиска - и результаты, которые совершенно не соответствуют предмету поиска:

http://scholar.google.com/scholar?q=ELISA+...&as_sdtp=on
(А ключевых слов я перебрал много. На русском языке - тоже ничего не нашел подходящего.)

К чему я веду? Мне кажется, что анализ, подобный вашему,
очень небольшой процент медиков или биологов
смогут догадаться/суметь сделать самостоятельно.
К тому же времени на то, чтобы разобраться - надо очень много.
Возможно, поэтому они и идут на "компромиссные варианты".
Каких только критериев не увидишь - я был очень удивлен.

Так вот, мне кажется, что если Вы занимаетесь научной
или образовательной работой, то было бы классно, если
бы Вы написали статью (или две) о том, как сегодня наиболее корректно
обработать подобные результаты в современных программах.
По-моему (а я очень старался такую найти) таких статей нет.
Думаю, это очень востребовано в научном сообществе,
и хороший журнал бы обязательно взял такую работу,
потому что она бы использовалась и хорошо цитировалась.
(Конечно, если она была бы в англоязычном журнале, легко
находилась через Google Scholar, и бесплатно скачивалась).
А главное - была бы полезна, актуальна. Это мое личное мнение, конечно.
Буду рад критике этой идеи, если я в чем-то неправ.

П.С. Что касается вопросов востребованности подобной работы в современных
биологии и медицине - в этой теме я мог бы даже попробовать помочь, если Вы
математик и не очень с этим пересекаетесь. Тогда и на английский мог бы перевести
(как раз подрабатываю переводчиком статей на английский).
--

[nokh]

К сожалению статьёй или двумя не обойтись, чтобы покрыть пробелы в нашем образовании. Что касается классических экспериментов и их анализа различными вариантами дисперсионного анализа, то всё уже давно написано и частично переведено. В принципе одного учебника Монтгомери хватит чтобы научиться планировать эксперименты, рассчитывать математические ожидаемые для средних квадратов, получать формулы для расчёта эффектов и их взаимодействий, рассчитывать компоненты дисперсии. А с компьютерной программой нужно только найти что где есть и есть ли. С несбалансированными, неполными комплексами и GLM намного хуже, но хуже везде: читал английские статьи по грамотному анализу микрочиповых экспериментов - тяжеловато, сомневаюсь что рядовые исследователи всё поймут и кинутся считать как нужно.
Ещё важно отметить, что жёсткий, шаблонный анализ результатов пусть даже таких стандартных методов как ИФА может представлять сложности. Если бы нужное нам взаимодействие факторов оказалось статистически незначимым - нужно было бы ориентироваться по ходу что и как. Возможно было использовать и регрессионный подход - как написал плав - но с ним тоже мороки много и неизвестно окупятся ли эти трудозатраты выигрышем в мощности. Короче, возможны варианты, а описать можно только начало - по сути о лишь о выборе адекватной модели анализа.