Оценить корреляцию в Excel Опции

[Олик)]

Только начала осваивать статистику...

Наверное, вы уже просто между собой общаетесь
у меня при каждом новом ответе почему-то возникает все больше и больше вопросов:)

Правильно ли я поняла, что имея выборку, для оценки корреляции каждых двух параметров, я сначала определяю характер распределения каждого из параметров.

- если два параметра распределены нормально, то применяю коэффициент Пирсона. Причем, нормальность проверяю только с помощью асимметрии и эксцесса и т.д., как писал Игорь.

- если хоть один параметр имеет распределение, отличное от нормального, то для оценки корреляции можно использовать коэффициент Спирмена.

- дальше, получив результаты, можно уже оценивать степень корреляции, принимая во внимание уровень значимости. так?

про поправку Бонферрони и корреляционные решетки с большим количеством переменных я даже спрашивать пока боюсь, лучше для начала почитаю.

[DoctorStat]

Правильно ли я поняла, что имея выборку, для оценки корреляции каждых двух параметров, я сначала определяю характер распределения каждого из параметров.

Совсем необязательно заранее проверять распределение параметров. Чаще всего они распределены не по Гауссу. Зачем делать лишнюю работу? На малых выборках проверить нормальность вообще невозможно. Любой тест для малочисленной выборки скажет Вам, что она нормальна. При количестве наблюдений <30 лучше не предполагать и не проверять нормальность распределения.

- если два параметра распределены нормально, то применяю коэффициент Пирсона. Причем, нормальность проверяю только с помощью асимметрии и эксцесса и т.д., как писал Игорь.

Правильно. Нормальность проверяете любыми тестами, которые есть в Вашем распоряжении. Чем больше тестов «дадут добро», тем больше уверенность.

- если хоть один параметр имеет распределение, отличное от нормального, то для оценки корреляции можно использовать коэффициент Спирмена.

Правильно. Только лучше используйте Спирмена всегда, не задумываясь, нормальна выборка или нет. Коэффициент Пирсона по сравнению со Спирменом дает небольшой выигрыш в мощности, но только для нормального распределения.

дальше, получив результаты, можно уже оценивать степень корреляции, принимая во внимание уровень значимости. так?

Так. Уровень значимости должен быть меньше заданной величины, например, 0,05.

про поправку Бонферрони и корреляционные решетки с большим количеством переменных я даже спрашивать пока боюсь, лучше для начала почитаю.

Есть такая пословица: волков бояться на форум не ходить. А читать никогда не вредно. Начинайте с книги Стентон Гланц "Медико-биологическая статистика". Там все понятно изложено с расчетом на "чайников".

Сообщение отредактировал DoctorStat - 21.12.2008 - 17:10

[плав]

Множественные сравнения большая проблема, чем ненормальность (кстати, для достижения того же уровня значимости при использовании критерия Пирсона надо на 30% меньше данных, чем для Спирмена, так что рекомендация использовать только Спирмена не всегда оптимальна). Проблема множественных сравнений заключается в том, что Вы рассчитываете одновременно много коэффициентов, каждый из которых может быть "случайно" достоверен. Соответственно, чем больше у Вас коэффициентов, тем выше вероятность такой ошибки. Грубо говоря если у Вас 5 коэффициентов для достижения номинального уровня в 0,05 надо чтобы каждый конкретный коэффициент имел значимость не более 0,01, если 10 - 0,005 и т.д. (0,05/к - где к - количество коэффициентов - это и есть поправка Бонферрони)

[Victor1980]

Всем добрый день.
Извините за вторжение в Ваш разговор. У меня тот же вопрос.
Заранее прошу простить меня за мою некомпетентность в статистике. Вопрос вот какой.
Я анализирую данные полученные в когортном исследовании. Исследуются исходы в одной выборке до и после операции. Например появилось ли недержание мочи после операции или исчезло.
Насколько я понимаю, поскольку в данном случае речь идет о сравнении частот бинарного признак (есть недержание - 1; нет недержания -0) в двух связанных (зависимых группах).
Таким образом для проверки гипотез следует применить Мак Немара хи квадрат с построением четырехпольной таблицы абсолютных частот.
Далее мне нужно изучит корреляцию между двумя рядами. Один из которых построен из количественных признаков например (возраст или индекс массы тела а второй из
бинарных (есть недержание - 1; нет недержания -0). Если я правильно понимаю в данном случае корреляцию следует анализировать методом Спирмена.
Ответьте пожалуйста на вопрос. Все ли правильно ли в моих расчетах? Нет ли некорректно выбранного метода? И могу ли рассчитать корреляцию Спирмена таким образом - подставляя в первый ряд (например значение индекса массы тела - 29,5) а во второй ряд значение бинарного признака - 0 или 1 (что соответствует наличию или отсутствию заболевания).

Заранее благодарен.
Виктор

[плав]

Всем добрый день.
Извините за вторжение в Ваш разговор. У меня тот же вопрос.
Заранее прошу простить меня за мою некомпетентность в статистике. Вопрос вот какой.
Я анализирую данные полученные в когортном исследовании. Исследуются исходы в одной выборке до и после операции. Например появилось ли недержание мочи после операции или исчезло.
Насколько я понимаю, поскольку в данном случае речь идет о сравнении частот бинарного признак (есть недержание - 1; нет недержания -0) в двух связанных (зависимых группах).
Таким образом для проверки гипотез следует применить Мак Немара хи квадрат с построением четырехпольной таблицы абсолютных частот.
Далее мне нужно изучит корреляцию между двумя рядами. Один из которых построен из количественных признаков например (возраст или индекс массы тела а второй из
бинарных (есть недержание - 1; нет недержания -0). Если я правильно понимаю в данном случае корреляцию следует анализировать методом Спирмена.
Ответьте пожалуйста на вопрос. Все ли правильно ли в моих расчетах? Нет ли некорректно выбранного метода? И могу ли рассчитать корреляцию Спирмена таким образом - подставляя в первый ряд (например значение индекса массы тела - 29,5) а во второй ряд значение бинарного признака - 0 или 1 (что соответствует наличию или отсутствию заболевания).

Заранее благодарен.
Виктор

Рассуждения не вполне оптимальны. Если у Вас есть две точки у одного и того же пациента, то тогда речь должна идти о смешанных моделях (моделях с повторными измерениями), которые неоднократно обсуждались ранее. Учитывая бинарность зависимого признака (есть/нет недержание) речь будет идти о логистической регрессии (с повторными измерениями). С ее помощью будет изучаться вопрос о влиянии группы (если есть два типа вмешательства) и индекса массы тела.
Вместе с тем, анализ можно упростить, если анализировать только точку исхода. Вообще возможны следующие варианты
до: было, после: осталось (0)
до: было, после: исчезло (1)
до: не было, после: нет (2)
до: не было, после: появилось (3)
Группы можно разделить по ситуации "до" (возможно, у Вас именно так, но я прописываю общий алгоритм). Тогда у нас есть группы
до: было (1)
после: осталось (0)
после: исчезло (1)
до: не было (0)
после: нет (0)
после: появилось (1)
Анализируем отдельно группу "до: было" и "до: не было"
Оценка частот (частота исчезновения недержания в группе, где оно было) оценивается одним из методов оценки ДИ частот (обсуждалось ранее - Клоппера-Пирсона, Агрести-Коула). Сам анализ выполняется при помощи обычной логистической регрессии.

Примечание. Если у Вас была группа у которой исходно были одинаковые показатели "недержания" (например, было), то тест Мак-Немара не применим. Коэффициент корреляции Спирмена теоретически может использоваться на бинарных данных, но трудно интерпретируется и поэтому к использованию не рекомендуется. Показатель связи для бинарных переменных - отношение риска/отношение шансов и, если хочется корреляции - точечно-бисериальный коэффициент корреляции.

[Victor1980]

[/left]

Рассуждения не вполне оптимальны. Если у Вас есть две точки у одного и того же пациента, то тогда речь должна идти о смешанных моделях (моделях с повторными измерениями), которые неоднократно обсуждались ранее. Учитывая бинарность зависимого признака (есть/нет недержание) речь будет идти о логистической регрессии (с повторными измерениями). С ее помощью будет изучаться вопрос о влиянии группы (если есть два типа вмешательства) и индекса массы тела.
Вместе с тем, анализ можно упростить, если анализировать только точку исхода. Вообще возможны следующие варианты
до: было, после: осталось (0)
до: было, после: исчезло (1)
до: не было, после: нет (2)
до: не было, после: появилось (3)
Группы можно разделить по ситуации "до" (возможно, у Вас именно так, но я прописываю общий алгоритм). Тогда у нас есть группы
до: было (1)
после: осталось (0)
после: исчезло (1)
до: не было (0)
после: нет (0)
после: появилось (1)
Анализируем отдельно группу "до: было" и "до: не было"
Оценка частот (частота исчезновения недержания в группе, где оно было) оценивается одним из методов оценки ДИ частот (обсуждалось ранее - Клоппера-Пирсона, Агрести-Коула). Сам анализ выполняется при помощи обычной логистической регрессии.

Примечание. Если у Вас была группа у которой исходно были одинаковые показатели "недержания" (например, было), то тест Мак-Немара не применим. Коэффициент корреляции Спирмена теоретически может использоваться на бинарных данных, но трудно интерпретируется и поэтому к использованию не рекомендуется. Показатель связи для бинарных переменных - отношение риска/отношение шансов и, если хочется корреляции - точечно-бисериальный коэффициент корреляции.

Большое спасибо за Ваш внятный и профессиональный ответ.
Как профан в области статистики, прошу простить мою непонятливость. Я бы хотел пояснить дизайн исследования, для последующего вопроса.
Имеется группа пациенток (все женщины),у всех один и тот же диагноз (опущение тазовых органов) все подверглись одной и той же операции Prolift, у 24 пациенток было недержание мочи (НМ) у 15 было скрыто недержание (два отдельных признака) (всего с недержанием 39). После операции у 14 женщин исчезло недержание, а у 10 осталось, а у пациенток с скрытым недержанием исчезло в 9 случаях а у 6 осталось. Кроме того, у 56 был ГАМП (гиперактивный мочевой пузырь) из которых после операции у 36 исчезло а у 20 осталось. А среди пациенток у которых не было ГАМП (49) он появился появилось у 4 пациенток. Я так понимаю расчеты в этих подгруппах должны выполнятся отдельно и аналогичными методами. Поэтому можно рассмотреть только группу НМ.
Я думаю в данной ситуации критерий Мак-Немара для оценки различия отн частот до и после применим !? Далее известны другие показатели ИМТ, возраст, количество родов. Хотелось бы определить как эти факторы влияют на исход т.е. исчезнет НМ, останется или появиться. Мне представляется что в общей группе до операции следует привести коэф точечно-биссерной корреляции НМ - возраст, НМ-ИМТ, НМ-количество родов. Далее, следуя Вашей подсказке: следует провести расчет логистической регрессии НМ vs ИМТ, НМ vs возраст, НМ vs количество родов в группах до и после операции с последующим сравнением показателей Л-регресии, чтобы вынести суждение о том, что данный фактор влияет на появление или исчезновение симптомов?????? Это если я правильно понял Вашу подсказку. Или (опять если я правильно понял) можно построить таблицу:(примерно) (ПО)-постоперационно

НМ возникло(ПО) - НМ не возникло(ПО)
N женщин с ИМТ менш 30 A - B
Т женщин с ИМТ бол 30 C - D

Далее просто расчитать Odds Ratio = A/B = x C/D = y
и просто отнести эти два показателя. x/y
Последний метод прост до гениальности и соблазнителен. Однако применим ли он в данной ситуации и если да то требует ли он проверки гипотиз и какой метод оптимальнее всего для этого?
Извините что извожу Вас,остался последний вопрос.
Какой метод Вы бы посоветовали для анализа связь, частоты рецидива выраженного либо в процентах либо в абсолютных числах и степени выпадения?

Заранее благодарен.
[left]

[Victor1980]

Я имел ввиду, то что учитывая необходимость в случае вычисления Odds Ratio потребуется перевод количественного признака ИМТ в бинарный т.е. (1)- ИМТ <30 (2) - ИМТ > 30, является такой подход целесообразным, оправданным и не снижает ли он чувствительность вычисления (с учетом того, что соблазн применения этого метода связан с тем что он гораздо более простой для понимания , в моем случае, чем та же самая логистическая ргрессия.

Еще раз спасибо!

[плав]

Я имел ввиду, то что учитывая необходимость в случае вычисления Odds Ratio потребуется перевод количественного признака ИМТ в бинарный т.е. (1)- ИМТ <30 (2) - ИМТ > 30, является такой подход целесообразным, оправданным и не снижает ли он чувствительность вычисления (с учетом того, что соблазн применения этого метода связан с тем что он гораздо более простой для понимания , в моем случае, чем та же самая логистическая ргрессия.

Еще раз спасибо!

Сразу на два поста. Итак у Вас группа НМ - 24 женщины (у всех недержание). После операции у 14 исчезло у 10 осталось. Соответственно, учитывая гомогенность по признаку недержания группы у Вас всего две цифры 14 и 10. Тест Мак-Немара требует 4 пары данных:
+- было исчезло
++ было осталось
-+ не было появилось
-- не было не появилось
Для расчетов используются численности групп (число пар) +- и -+. Второго типа данных у Вас просто нет, поэтому тест Мак-Немара не применим (его можно только использовать в случае ГАМП).
Соответственно, у Вас 24 женщины, которых можно закодировать 1 (исчезло), таких а человек и 0 (осталось), таких b человек. Описание этих значений сводится к расчету доли успешности операции a/(a+b) и определению 95% доверительного интервала по методам, указанным выше.
Теперь, на результат операции у Вас влияют вмешивающиеся значения. Насколько они важны можно было бы вначале проанализировать с помощью четырехпольных таблиц, но у Вас нет качественных, а тем более бинарных независимых переменных. Если бы они были, то таблица выглядела бы так
НМ/ Ф+ Ф-
1 m n
0 o p
, где m+n=a и o+p=b
Тогда OR=mp/no
и делается расчет 95%ДИ для OR.
В Вашем случае все показатели, повторюсь, количественные. Дихотомизировать количественные переменные, как Вы предлагаете - плохая практика, поскольку теряется значительная информация (тогда женщина с ИМТ 30.1 и 44.4 рассматриваются как имеющие одно значение ИМТ, а это разница для 150 см женщины в весе 67 и 100 кг). Соответственно, надо пользоваться методами, анализирующими зависимость качественной бинарной переменной от количественных - это логистическая регрессия.
Вначале делаете унивариантную логистическую регрессию (НМ-возраст, НМ-ИМТ, НМ-кол-во родов (тут надо посмотреть, если категорий мало, лучше их превратить в набо переменных-пустышек)), а затем - суммарную (не включая те показатели, которые в унивариантной регрессии оказались сильно незначимыми, например р>0,20).
После логистической регрессии также рассчитываете OR, только это буду шансы при росте, например ИМТ на 1 кг/м2 (можно и на 5 сделать).

[Victor1980]

Сразу на два поста. Итак у Вас группа НМ - 24 женщины (у всех недержание). После операции у 14 исчезло у 10 осталось. Соответственно, учитывая гомогенность по признаку недержания группы у Вас всего две цифры 14 и 10. Тест Мак-Немара требует 4 пары данных:
+- было исчезло
++ было осталось
-+ не было появилось
-- не было не появилось
Для расчетов используются численности групп (число пар) +- и -+. Второго типа данных у Вас просто нет, поэтому тест Мак-Немара не применим (его можно только использовать в случае ГАМП).
Соответственно, у Вас 24 женщины, которых можно закодировать 1 (исчезло), таких а человек и 0 (осталось), таких b человек. Описание этих значений сводится к расчету доли успешности операции a/(a+b) и определению 95% доверительного интервала по методам, указанным выше.
Теперь, на результат операции у Вас влияют вмешивающиеся значения. Насколько они важны можно было бы вначале проанализировать с помощью четырехпольных таблиц, но у Вас нет качественных, а тем более бинарных независимых переменных. Если бы они были, то таблица выглядела бы так
НМ/ Ф+ Ф-
1 m n
0 o p
, где m+n=a и o+p=b
Тогда OR=mp/no
и делается расчет 95%ДИ для OR.
В Вашем случае все показатели, повторюсь, количественные. Дихотомизировать количественные переменные, как Вы предлагаете - плохая практика, поскольку теряется значительная информация (тогда женщина с ИМТ 30.1 и 44.4 рассматриваются как имеющие одно значение ИМТ, а это разница для 150 см женщины в весе 67 и 100 кг). Соответственно, надо пользоваться методами, анализирующими зависимость качественной бинарной переменной от количественных - это логистическая регрессия.
Вначале делаете унивариантную логистическую регрессию (НМ-возраст, НМ-ИМТ, НМ-кол-во родов (тут надо посмотреть, если категорий мало, лучше их превратить в набо переменных-пустышек)), а затем - суммарную (не включая те показатели, которые в унивариантной регрессии оказались сильно незначимыми, например р>0,20).
После логистической регрессии также рассчитываете OR, только это буду шансы при росте, например ИМТ на 1 кг/м2 (можно и на 5 сделать).

Спасибо!

Несмотря на то, что мое знакомство со статистикой исчисляется днями метод дихтомизации мне то же показался грубоватым.
Спасибо что дали экспертное мнение. Придется осваивать логистическу регрессию, метод который для дилетанта кажется зловеще загадочным
и непостижимым. Вы так же советуете выразить эффективность в виде частот и построить для них ДИ. Дело в том, что как я уже говорил опыта
и теоретических познаний в статистике у меня мягко говоря маловато. За это время я успел прочитать книгу Ребровой.
Где говорится буквально следующее. Построение границ для бинарного признака сложная задача, поэтому мы приводим таблицы с их
значениями в приложении 4.
Таблицы в этом приложении явно не подходят для моего исследования, исходя из количества исследуемых пациентов.
Вы говорили, что метод описан выше. Я прсмотрел почти весь форум и не нашел ничего, что (в моем понимании) описывает методику
построения ДИ для долей. Не исключаю варианта, что я читал но не понял о чем речь.
Не могли бы Вы дать мне ссылку на страницу где обсуждается данная тема?
Заранее благодарен,
Виктор

[плав]

Таблицы в этом приложении явно не подходят для моего исследования, исходя из количества исследуемых пациентов.
Вы говорили, что метод описан выше. Я прсмотрел почти весь форум и не нашел ничего, что (в моем понимании) описывает методику
построения ДИ для долей. Не исключаю варианта, что я читал но не понял о чем речь.
Не могли бы Вы дать мне ссылку на страницу где обсуждается данная тема?

В теме http://forum.disser.ru/index.php?showtopic=1784 было обсуждение и я выкладывал экселевскую табличку для расчета ДИ, кроме того, ДИ считает AtteStat - посмотрите на форуме (поиском) или попросите Игоря дать ссылку - я быстро чего-то не нахожу (Игорь, пожалуйста, дайте ссылку на тему или на программу, спасибо)

[Игорь]

... (Игорь, пожалуйста, дайте ссылку на тему или на программу, спасибо)

Тут обсуждали http://forum.disser.ru/index.php?showtopic...%EE%EF%EF%E5%F0
Ссылка на программу http://attestatsoft.narod.ru
Расчет ДИ в программе явился результатом обсуждений, в том числе и на данном сайте.

Сообщение отредактировал Игорь - 13.08.2010 - 15:37

[Victor1980]

Тут обсуждали http://forum.disser.ru/index.php?showtopic...%EE%EF%EF%E5%F0
Ссылка на программу http://attestatsoft.narod.ru
Расчет ДИ в программе явился результатом обсуждений, в том числе и на данном сайте.

В теме http://forum.disser.ru/index.php?showtopic=1784 было обсуждение и я выкладывал экселевскую табличку для расчета ДИ, кроме того, ДИ считает AtteStat - посмотрите на форуме (поиском) или попросите Игоря дать ссылку - я быстро чего-то не нахожу (Игорь, пожалуйста, дайте ссылку на тему или на программу, спасибо)

Господа спасибо Вам большое. Позволю себе несколько сентиментальных фраз. Когда я начал изучать статистику мои коллеги аспиранты хихикали надо мной и за спиной крутили пальцем у виска! Мол, зачем обсчитывать и так ведь прокатит. А хочешь быть знайкой найми статистика 12 штук и так все обсчитает!!! Мне же самому хотелось столкнутся с этим, чтоб разобраться. Благо есть такой форум и есть такие модераторы. Благодаря которым рядовой аспирант из самого захолустья имеет возможность получить квалифицированную консультацию профессионала. Не люблю громких напыщенных фраз, но это очевидным образом способствует развитию доказательной медицины в нашей стране. К сожалению должен констатировать, что мои оппоненты правы в одном, многие научные руководители порой находятся в своих познаниях от статистики дальше аспиранта.
Таблица супер. Доступно, понятно, доходчиво.
Если позволите (надеюсь, что это мой последний вопрос) хочу уточнить итак в моем случае (когортное исследование, 1 группа - до и после операции) 105 женщин, у
56 (53,3%) был ГАМП (гиперактивный мочевой пузырь) из которых после операции у 36 (34,2%) исчез а у 20 остался и появилось у 4 у которых не было.
Итак вычисляем долю успешности операции a/(a+b) = 56/36 = 0,64 или 64,2% и определяем 95% доверительный интервал вычисленный по таблице Плава равен 50,36% 76,64%. Достаточен ли данный результат для утверждения о статистической значимости результата?

Спасибо большое

[Victor1980]

Учитывая вышесказанное, хочу сделать что то полезное для форум ( в меру своих сил) а именно поделиться ссылкой на онлайн калькулятор, который я нашел в процессе поиска. Возможно он многим уже известен, но enyway. http://www.graphpad.com/quickcalcs/index.cfm

Виктор

[плав]

Если позволите (надеюсь, что это мой последний вопрос) хочу уточнить итак в моем случае (когортное исследование, 1 группа - до и после операции) 105 женщин, у
56 (53,3%) был ГАМП (гиперактивный мочевой пузырь) из которых после операции у 36 (34,2%) исчез а у 20 остался и появилось у 4 у которых не было.
Итак вычисляем долю успешности операции a/(a+b) = 56/36 = 0,64 или 64,2% и определяем 95% доверительный интервал вычисленный по таблице Плава равен 50,36% 76,64%. Достаточен ли данный результат для утверждения о статистической значимости результата?

Спасибо большое

Ваши расчеты отвечают на вопрос об эффективности операции у лиц с ГАМП, а не вообще (т.е. интерпретация Вашего варианта - среди лиц с ГАМП после проведения операции она исчезает у 64% (95%ДИ=50,4-76,6%)). И это ничего не говорит о возможности возникновения ГАМП в результате операции. Соответственно надо еще и сделать расчеты для 4/49 женщин без ГАМП исходно. Имеем - частота возникновения ГАМП 8,2% (95%ДИ=2,3-19,6%). Иными словами, у тех, у кого ГАМП есть операция значимо снижает частоту ГАМП, у кого нет - повышает (если в такой интерпретации есть смысл).

Причина редактирования: мак-немар тут не очень

[Victor1980]

[quote name='плав' post='10261' date='14.08.2010 - 14:40']
Плав.
Огромное спасибо!
Отдельное спасибо за ручные расчеты!
С вашего позволения буду вопрошать еще по мере возникновения других вопросов.
Виктор

Причина редактирования: М: убрал не вполне адекватное (свое) предложение