【帮助】在MATLAB统计——双向混合方差分析或别的东西吗?

4视图(30天)

显示旧的评论

John Doe 2022年8月13日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1778895-help-statistics-in-matlab-two-way-mixed-anova-or-something-else

回答: 威廉•罗斯 2022年8月15日

答:接受威廉•罗斯

大家好,

我想问一些关于适当的统计检验的问题对于我们的研究设计。

本研究旨在评价帕金森患者体位平衡。

我们有3组,每组4 - 4 - 3,随机属性,并为每组3种不同的干预措施。

我们执行一个pre-evaluation和一篇评价经过6周的干预。

我们有漂亮几分依赖变量。

与统计Laerd统计建议我们选择我们使用双向混合方差分析。我们有一些担忧我们的统计力量由于小样本大小每组中。

我们希望看到组差异,而且如果可能的话,协会和相关性。是一个双向混合方差分析正确的测试或线性回归是一个更好的吗?或不?

谢谢大家

5个评论
显示4年长的评论隐藏4年长的评论

威廉•罗斯 2022年8月13日

@John能源部 ,

我不确定我理解研究设计。我假设您测量相同的因变量在所有受试者之前和之后的干预措施。例如,测量1 =标准差压力中心(测量力板30秒),测量2 =定时去,3 = 4平方一步测试。所有三个措施在每个主题前后每个干预。如果不是真的,那么请这样说。

你做同样的3干预的三组?如果是这样,那么我不明白为什么你叫它三组4,4和3。为什么不叫一群11吗?似乎他们都做同一件事情,以同样的方式被评估。

你做干预1组1,干预2组2,和干预3组3 ?似乎你已经完成三个独立的实验,这些实验可以而且应该分别进行分析。

你做干预组1中1和2,干预组2和3 2,和干预3和1组3 ?我将不得不考虑。

或者你做一些不同于上面的吗?

我们很清楚在进入统计分析实验设计。

威廉•罗斯 2022年8月14日

@John能源部 ,

我不是一个统计学家。我建议你咨询的人。

当你说“我们执行3不同exercices程序为每个3不同群体”,我猜这意味着你每组干预,每组和干预是不同的。如果这不是真的,无视以下。

我知道你测量15 - 20 indpendent变量在每个主题。你打算独立分析治疗效果为每个独立变量。稍后将进行更详细的讨论。

混合双因素方差分析可以适合这个问题。你的设计绝对模仿Laerd描述的“研究韵味1” 在这里 ,Laerd提出了一个混合的两因素方差分析。但是,我不确定我相信Laerd的建议,因为Laerd提出使用一个混合的两因素方差分析”研究设计2”,在我听来就像是清晰的描述“我”(两个固定因素)。另一个原因我犹豫使用混合,或模型三世,分析这句话从Zelmer教授在USCD:“在实践中,很少有人使用模型II或混合模型方差分析,因为他们使用更少的严格标准来确定固定效应和随机效应的区别。”The only difference in the analysis, when you choose Model I (two fixed factors) versus Model III (mixed: one fixed factor, one random) is in how you compute the F statistic for testing the factor that is fixed in both models, which is the treatment. See Zar, Biostatistical Analysis, 5th edition, Table 12.3, p. 262.

你可以做一个单因素方差分析改变因变量,从之前发布。在这个analsis中,您将从之前汇总因变量的变化为每个主题发布。单一因素是治疗(或者等价组),有三个可能的值。方差分析的零假设是pre-to-post因变量的变化是相同的所有三组。替代的是pre-to-post所有三组变化是不一样的。

Th区别进行双因素方差分析(我还是模型III)的分数,和一个单因素方差分析改变在分数,你是双重的,测试3假设,一个因素,我们只测试一个。测试与双因素:“H0:团体的方式都是一样的”;“H0:前后的分数是一样的”;和“H0:时间是不同的不同的群体”的效果。单因素,一个假设测试是“H0:分数的变化是不同的不同的治疗方法”。在我看来,只有最后的假设是你感兴趣的,所以为什么不做一个单向方差分析分数的变化?

再次,请咨询专业的利弊两因素方差分析分数,而方差分析的一个因素改变在分数。(就像在任何领域,一些人比其他人更好。我见过,曾与一些专业统计学家的建议和律师没有给我的印象,因为他们无法表达支持的理论和/或实际原因的一种方法。他们也许是操作水平超出了我的理解。)

现在回15 - 20因变量的问题。我认为这是一个重要的多重比较的问题,即一个重大错误的风险,这个实验韵味。看到在这里,例如。如果我有一个manscript设计评审,我会问,作者解决这个问题。如果我是作者,我会尝试Holm-Bonferroni方法。

John Doe 2022年8月15日

嗨 @William玫瑰 @the骑自行车

你说你不是统计学家,但是你似乎像一个非常好的业余!

我将跟随你的建议,问的人用来做统计和查阅CrossValidated,另一方面,请咨询你报价的那本书。

是的,事实上,我们只是想看看1组(干预/治疗)比其他2。

谢谢你的答案!

登录置评。

在回答这个问题。

接受的答案

威廉•罗斯 2022年8月15日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1778895-help-statistics-in-matlab-two-way-mixed-anova-or-something-else answer_1026800

@John能源部 ,你是受欢迎的。谢谢你的评论。

1是确定治疗比治疗2或3,进行两个步骤。

步骤1。测试如果治疗2和3是可比的。如果他们具有可比性(下图),然后结合组2和3,继续第2步。如果治疗2和3 不类似的,进入步骤2 b。

步骤2:在pre-to-post单边测试执行改变在得分。零假设是H0:分数的变化与治疗1小于或等于改变结合治疗2或3(结合成一个单一的组)。你会有更好的机会检测治疗1优越如果使用ones-sided测试,由于拒绝H0的临界值是低1-sided测试。Matlab的t测试使用韦尔奇的版本的测试在默认情况下,这很好,因为它不依赖于方差相等。看到在这里更多关于韦尔奇的t测试的好处。

步骤2 b:做一个单边测试分数的变化在1组和2组。零假设是H0:分数的变化是相同的治疗方法1和2。做一个单边测试1组和3组,用一个类似的零假设。

现在让我们回到步骤1,决定组2和3是否产生类似的结果。如果我们不能结合组织实际上是相似的(我们称之为错误),我们将失去权力来检测潜在的治疗优势,因为组2和3的数字很低。如果我们把组不类似的错误(B),我们将失去权力,因为合并后集团的方差会高,这高方差将很难检测治疗1的潜在优势。我们不想做一个错误或误差。因此这不是明显的零假设是可取的,在测试组2和3的平等。我们可以去H0a:组2和3是相同的。零假设,我们不太可能使错误,因为我们只会分裂组2和3是否有强有力的证据表明,他们是不平等的。或者我们可以H0b:组2和3 不相同的。H0b,我们不太可能做出错误B,因为我们只会把组织如果有强有力的证据表明,他们是平等的。你必须决定你喜欢哪零假设。如果你选择H0a,然后使用一个双边韦尔奇的t检验,上面所讨论的,应用于分数的变化组2和组3。如果你选择H0b,然后使用两个片面的测试(烤面包) 在这里 (2800年引文!)H0a H0b相比的优势是H0a,你不需要选择一个“等效”或证明的选择,就像你和烤面包。

小样本大小在这项研究中,n = 4, 4, 3组,让我怀疑,无论你如何测试,你将难以找到意义,至少如果你以适当的方式处理与15 - 20因变量相关的多个比较的问题。

祝你好运。