শতকরা হারে আনোভা ব্যবহার করছেন?

Question

স্বতন্ত্র ভেরিয়েবল (ফ্যাক্টর) হিসাবে আমার চারটি গ্রুপ (4 বিএমআই গ্রুপ) রয়েছে এমন একটি টেবিল রয়েছে। আমার একটি নির্ভরশীল পরিবর্তনশীল যা "গর্ভাবস্থায় শতকরা মা ধূমপান"।

এটির জন্য এএনওওএ ব্যবহার করা কি জায়েজ বা আমাকে চ-স্কোয়ার বা অন্য কোনও পরীক্ষা ব্যবহার করতে হবে?

Answer 1

আপনার নির্ভরশীল ভেরিয়েবল হিসাবে বাইনারি পরিবর্তনশীল হওয়া এবং আপনার নির্ভরশীল ভেরিয়েবল হিসাবে অনুপাত থাকার মধ্যে পার্থক্য রয়েছে is

• বাইনারি নির্ভরশীল পরিবর্তনশীল :

  • এটি আপনার কাছে যা আছে তা মনে হচ্ছে। (যেমন, প্রতিটি মা হয় ধূমপান করেন বা সে ধূমপান করেননি)
  • এই ক্ষেত্রে আমি আনোভা ব্যবহার করব না। শ্রেণিবদ্ধ ভবিষ্যদ্বাণী ভেরিয়েবলের জন্য কোডিংয়ের কিছু ফর্ম (সম্ভবত ডামি কোডিং) সহ লজিস্টিক রিগ্রেশন হ'ল সুস্পষ্ট পছন্দ যদি আপনি বাইনারি ভেরিয়েবলকে নির্ভরশীল ভেরিয়েবল হিসাবে ধারণা করছেন (অন্যথায় আপনি চি-স্কোয়ারটি করতে পারেন)।

• নির্ভরশীল পরিবর্তনশীল হিসাবে অনুপাত :

  • আপনার কাছে যা আছে তা এটি শোনাচ্ছে না। (যেমন গর্ভবতী মহিলাদের ধূমপানের নমুনায় কোনও মা গর্ভাবস্থায় ধূমপান করছিলেন এমন মোট জাগরণের সময় অনুপাতের কোনও তথ্য নেই)।
  • এই ক্ষেত্রে, আনোভা এবং স্ট্যান্ডার্ড লিনিয়ার মডেল সাধারণভাবে আপনার উদ্দেশ্যে উপযুক্ত হতে পারে বা নাও পারে। সমস্যাগুলি আলোচনার জন্য @ বেন বলকারের উত্তর দেখুন।

Comments

বাইনারি নির্ভরশীল ভেরিয়েবলের ক্ষেত্রে, আমার কাছে কেবল বাইনারি অনুপাতের জন্য সংক্ষিপ্ত তথ্য রয়েছে (যেমন # এ, বি, এবং সি গ্রুপগুলিতে, এবং # এ, বি এবং সি গ্রুপে সাফল্যের #), এবং না আসল কাঁচা তথ্য, আমরা কীভাবে লজিস্টিক রিগ্রেশন ব্যবহার করতে পারি? আমি কেবল এটি কাঁচা ডেটা ব্যবহার করেই পরিচিত।

— ব্রায়ান

Answer 2

এটি বিভিন্ন গ্রুপের প্রতিক্রিয়াগুলি 0 বা 100% পর্যন্ত কতটা কাছাকাছি রয়েছে তার উপর নির্ভর করে। যদি চূড়ান্ত মানগুলির প্রচুর পরিমাণ থাকে (যেমন অনেকগুলি মান 0 বা 100% পাইলড থাকে) তবে এটি কঠিন হবে। (যদি আপনি "ডিনোমিনেটর" না জানেন, অর্থাত্ বিষয়গুলির সংখ্যা যা থেকে শতাংশগুলি গণনা করা হয়, তবে আপনি কোনওভাবেই आकस्मिक সারণী পদ্ধতির ব্যবহার করতে পারবেন না)) গ্রুপগুলির মধ্যে মানগুলি আরও যুক্তিসঙ্গত হয়, তবে আপনি পরিবর্তিত করতে পারেন প্রতিক্রিয়া পরিবর্তনশীল (যেমন ক্লাসিকাল আরকসিন-স্কোয়ার-রুট বা সম্ভবত লজিট ট্রান্সফর্ম)। আপনার রূপান্তরিত ডেটা পর্যাপ্তভাবে আনোভা অনুমানের সাথে মিলিত হয়েছে কিনা তার সিদ্ধান্ত নেওয়ার জন্য বিভিন্ন ধরণের গ্রাফিকাল (পছন্দসই) এবং নাল-হাইপোথিসিস টেস্টিং (কম পছন্দসই) রয়েছে (ভিন্নতার এবং স্বাভাবিকতার সাদৃশ্য, পূর্বের চেয়ে পূর্বের আরও গুরুত্বপূর্ণ)। গ্রাফিকাল পরীক্ষা: বক্সপ্লটস (বৈচিত্রের একজাতীয়তা) এবং কিউকিউ প্লটগুলি (স্বাভাবিকতা) [পরবর্তীগুলি গ্রুপগুলির মধ্যে বা অবশিষ্টাংশে করা উচিত]। নাল-হাইপোথিসিস পরীক্ষা: উদাহরণস্বরূপ বারলেটলেট বা ফ্লাইগনার টেস্ট (রূপের একজাতীয়তা), শাপিরো-উইলক, জার্কে-বেরা ইত্যাদি

Answer 3

আপনার কাঁচা ডেটা থাকা দরকার, যাতে প্রতিক্রিয়ার ভেরিয়েবল 0/1 হয় (ধূমপান নয়, ধোঁয়া নয়)। তারপরে আপনি বাইনারি লজিস্টিক রিগ্রেশন ব্যবহার করতে পারেন। বিরতিতে বিএমআই গ্রুপ করা সঠিক নয়। কাটপয়েন্টগুলি সঠিক নয়, সম্ভবত উপস্থিত নেই এবং আপনি বিএমআই ধূমপানের সাথে সম্পর্কিত কিনা তা আপনি আনুষ্ঠানিকভাবে পরীক্ষা করছেন না। আপনি বর্তমানে পরীক্ষা করছেন যে বিএমআই এর প্রচুর তথ্য ফেলে দেওয়া আছে কিনা তা ধূমপানের সাথে সম্পর্কিত। আপনি দেখতে পাবেন যে বিশেষত বাইরের বিএমআই অন্তরগুলি বেশ ভিন্ন ভিন্ন are

Comments

@ ফ্র্যাঙ্ক - বিএমআই গ্রুপে কেন এটি "সঠিক নয়"? এটি পুরোপুরি যুক্তিসঙ্গত বলে মনে হয়, যতক্ষণ না ফলাফলগুলি যথাযথভাবে ব্যাখ্যা করা হয়। আপনি ভাল করে পরীক্ষা করতে পারেন, উদাহরণস্বরূপ, "কম ওজন" "স্বাস্থ্যকর ওজন" "অতিরিক্ত ওজন" এবং "স্থূলকায়" ধূমপানের সাথে সম্পর্কিত কিনা, যেখানে এই পদগুলি বিএমআই-র রেঞ্জ দ্বারা সংজ্ঞায়িত করা হয়। আমি এখানে "ভুল" দেখছি না।

— সম্ভাব্যতাব্লোগিক

আমি বিশ্বাস করি যে ওপি একটি সাধারণ নির্দেশমূলক ডেটা সেট নিয়ে কাজ করছে এবং এর কাঁচা বিএমআই নাও থাকতে পারে। ক্রমাগত রেজিস্ট্রারদের বিবেচনা করার পক্ষে সাধারণত এটি আদর্শ না হলেও এটি "ভুল" নয়। এমনকি পরিমাপ গোলমাল করছে এবং অন্য কোনও উপায় নেই বলে সন্দেহ করলে এটি এটিকে অবলম্বন করতেও সহায়ক হতে পারে। প্রকৃতপক্ষে, আমরা প্রকৃত অনুমান যা পরীক্ষা করতে চাই তা হ'ল স্থূলত্ব ধূমপানের সাথে সম্পর্কিত কিনা; বিএমআই হ'ল স্থূলত্ব পরিমাপের একমাত্র উপায় (এবং আমি যা বুঝি তার থেকে এর সমস্যা রয়েছে)।

— জেএমএস

এমনকি যখন পরিমাপ শোরগোল হয়, অবিচ্ছিন্ন হিসাবে ভেরিয়েবল বিশ্লেষণ করা উচ্চতর is বিএমআইকে শ্রেণীবদ্ধ করে বিশ্লেষণের বিভিন্ন পছন্দগুলি ঠিক করতে পারে তার চেয়ে বেশি সমস্যা তৈরি করে। প্রকৃতপক্ষে শ্রেণিবিন্যাসের অনুমানগুলির আর বৈজ্ঞানিক ব্যাখ্যা নেই have একটি বৈজ্ঞানিক পরিমাণ হ'ল বর্তমান পরীক্ষার বাইরে অর্থ রয়েছে। আপনি দেখতে পাবেন যে গ্রুপ অনুমান (যেমন, এক্স এর কম বনাম কম বিরতিগুলির জন্য ওয়াই = 1) লগ প্রতিক্রিয়াগুলি পর্যবেক্ষিত বিএমআই এর পুরো সেটটির কাজ functions উদাহরণস্বরূপ, আপনি যদি নমুনায় আরও উচ্চ বা চূড়ান্ত নিম্ন বিএমআই যুক্ত করেন তবে "প্রভাবগুলি" আরও দৃ stronger় হবে।

— ফ্র্যাঙ্ক হ্যারেল

যারা আর ও আরস্টুডিও ইনস্টল করেছেন তাদের জন্য, biostat.mc.vanderbilt.edu/BioMod- এ একটি ইন্টারেক্টিভ বিক্ষোভ পাওয়া যেতে পারে - সবুজ নতুন চিহ্নটি দেখুন। আপনাকে স্ক্রিপ্টটি আরস্টুডিওতে লোড করতে হবে এবং এইচএমস্ক প্যাকেজও ইনস্টল করতে হবে।

— ফ্র্যাঙ্ক হ্যারেল

"যখন পরিমাপ শোরগোল হয় তখনও অবিচ্ছিন্ন হিসাবে পরিবর্তনশীল বিশ্লেষণ উচ্চতরতর হয়" এটি ঠিক ভুল (এর সাধারণতা, এটি - সাধারণত এটি সত্য)। কল্পনা করুন যে আপনার একটি অবিচ্ছিন্ন কোভারিয়েট রয়েছে যেখানে উদাহরণস্বরূপ, এর পরিমাপের ত্রুটিটি এর परिमाणের সাথে বেড়ে যায়। অবশ্যই সবচেয়ে ভাল কাজটি হ'ল ত্রুটির মডেল করা, বা আরও ভাল পরিমাপ পাওয়া ইত্যাদি But তবে এটি যে ভুল তা বলা সহজভাবে বলা খুব শক্ত বক্তব্য statement

— জেএমএস

Answer 4

আপনি যদি আনুপাতিক ডেটাতে একটি সাধারণ আনোভা করা চয়ন করেন, তবে একজাতীয় ত্রুটির বৈকল্পিকতার ধারণাটি যাচাই করা গুরুত্বপূর্ণ। যদি (শতাংশের তথ্য হিসাবে সাধারণ), ত্রুটি বৈকল্পিকগুলি ধ্রুবক না হয়, তবে আরও বাস্তবসম্মত বিকল্প হ'ল বিটা রিগ্রেশন চেষ্টা করা, যা মডেলটিতে এই হেটেরোসেসটাস্টিটির জন্য অ্যাকাউন্ট হতে পারে। এখানে একটি কাগজ একটি প্রতিক্রিয়া ভেরিয়েবলের সাথে আচরণের বিভিন্ন বিকল্প উপায় নিয়ে আলোচনা করে যা শতাংশ বা অনুপাত: http://www.ime.usp.br/~sferrari/beta.pdf

আপনি আর ব্যবহার করেন, প্যাকেজ betareg দরকারী হতে পারে।