Сравнение групп с учетом сторонних факторов Опции

[mix3d]

Извините, что пришлось открыть новую тему, пробовал задать вопрос в уже существующих, но не дождался, а время как всегда не терпит...

Мой вопрос касается корректировки при сравнении групп.

Итак, требуется сравнить (выявить наличие либо отсутствие различий) по показателю (количественный непрерывный) 3 группы пациентов, классифицированные только по наличию у них одной из форм фибрилляции предсердий. При этом на сравниваемый показатель оказывают влияние другие факторы: пол, возраст, наличие АГ и/или ИБС и т.д.

Построение модели не требуется.

Я планирую использовать ковариационный анализ (ANCOVA), при этом сравниваемый показатель будет зависимой переменной, а перечисленные факторы независимыми. Вопрос в следующем, необходимо ли все факторы, по которым проводится корректировка включать одновременно либо по отдельности, кроме того, АГ и ИБС кодировать по отдельности (как два фактора), или можно в виде 1 (АГ), 2 (ИБС), 3 (АГ+ИБС) (1 фактор), если известно, что в такой последовательности увеличивается негативное влияние на изучаемый параметр.

Следующее, какую функцию связи использовать - линейную или нелинейную (или попробовать все варианты, выбрать лучший по результатам анализа)?

И, пожалуйста, последнее: не совсем для себя понял по какому p оценивать значимость различий, статистика Вальда для переменной, кодирующей форму фибрилляции предсердий или...?

Большое спасибо!

[mix3d]

Уважаемые коллеги, спасибо большое за ваши ответы и советы!

А я все о своем.

Ни в коей степени не ставя под сомнение ваш авторитет, да и мои соображения тоже, а в стремлении разобраться, задаю еще один вопрос.

Возник он в результате чтения некоторых оригинальных статей.

Так вот, в них для решения той же задачи - сравнения групп - используют множественную (линейную) регрессию (в т.ч. используя в качестве независимых переменных категориальные параметры), ведь она позволяет выявить связь признаков в системе количественные (зависимые) - количественные (независимые).

И наоборот, в MANOVA при выявлении значимого эффекта, то бишь различия дисперсий, можно ли понятие "различие параметра" уравнять с понятием "влияние на параметр" или понятием "предиктор параметра". Ведь в окне Statistica при выборе независимых переменных (факторов) указано "независимые предикторы"?

Кроме того, в дисперсионном анализе так или иначе приходится кодировать количественные переменные для перевода их в категориальные.

И еще, в ДА при плохой подгонке модели (низком и незначимом коэффициенте детерминации), но при выявлении значимых факторов, как правильно отнестись к данной ситуации?

Возможно, данные вопросы касаются больше стилистики изложения результатов, однако, они действительно важны для понимания.

Спасибо.

[Pinus]

Если в Вашем анализе количественные влияющие факторы, то применяйте регрессионный анализ. Если факторы качественные, то дисперсионный. Если и количественные, и качественные - то ковариационный.

И наоборот, в MANOVA при выявлении значимого эффекта, то бишь различия дисперсий, можно ли понятие "различие параметра" уравнять с понятием "влияние на параметр" или понятием "предиктор параметра". Ведь в окне Statistica при выборе независимых переменных (факторов) указано "независимые предикторы"?
Кроме того, в дисперсионном анализе так или иначе приходится кодировать количественные переменные для перевода их в категориальные.

mix3d, Вам надо какое-то время посвятить изучению книг. Тогда понятия уложатся в какую-то систему. Иначе получается путаница.
Переменная - это какая-то случайная величина, изменение которой или зависимость которой от других переменных Вы изучаете. Под параметром может пониматься разное, но в терминах регрессионного анализа - это коэффициенты уравнения регрессии. Предиктор (фактор) - это переменная, воздействие которой на изучаемую переменную (отклик) исследуется.
Поэтому, если Вы будете делать ANOVA, делайте, как обозначил Nokh: Отклик - ваш Показатель; Качественные предикторы (факторы) - Группа, Пол, Заболевание. И, возраст тоже будет качественным фактором. Для этого Вы его разобьете на интервалы, и каждый интервал будет градацией (уровнем) этого как бы качественного фактора. Специально кодировать возраст не нужно (программа сама кодирует), просто можно градации обозначить как, например, среднее значение возраста для данного интервала.

Как применить для качественных факторов множественную регрессию я не знаю. Если и есть какой-либо такой способ, то видимо он не будет проще, чем ANOVA. И книг на русском по такому делу вряд ли найдется.

Сообщение отредактировал Pinus - 26.01.2010 - 12:08