ধারাবাহিক ভবিষ্যদ্বাণীকারীদের প্রতি সম্মান সহ অনেক কথা আছে তবে আমি শ্রেণিবদ্ধ ভবিষ্যদ্বাণীদের কাছে এতটা খুঁজে পেতে পারি না। আমি নীচে চিত্রিত এই ধরনের তথ্য আছে।
প্রথম ফ্যাক্টরটি একটি জেনেটিক ভেরিয়েবল (অ্যালিল কাউন্ট), দ্বিতীয় ফ্যাক্টর একটি রোগ বিভাগ। স্পষ্টতই জিনগুলি রোগের আগে রয়েছে এবং লক্ষণগুলি দেখানোর একটি কারণ যা রোগ নির্ণয়ের দিকে নিয়ে যায়। তবে, টাইপ II বা III সমষ্টিগুলির স্কোমগুলি ব্যবহার করে একটি নিয়মিত বিশ্লেষণ, যেমনটি এসপিএসএসের সাথে সাধারণত মনোবিজ্ঞানের ক্ষেত্রে করা হয়, এর প্রভাবটি মিস করে। স্কোয়ার বিশ্লেষণের আমি একটি ধরণের সংখ্যার যোগ করে যখন এটি যথাযথ অর্ডার প্রবেশ করানো হয় কারণ এটি অর্ড নির্ভর dependent এছাড়াও, রোগের প্রক্রিয়াতে অতিরিক্ত উপাদান থাকতে পারে যা জিনের সাথে সম্পর্কিত নয় যা II বা III টাইপের সাথে ভালভাবে চিহ্নিত নয়, বনাম lm2 বা আনোভা নীচে আনোভা (lm1) দেখুন।
উদাহরণ ডেটা:
set.seed(69)
iv1 <- sample(c(0,1,2), 150, replace=T)
iv2 <- round(iv1 + rnorm(150, 0, 1), 0)
iv2 <- ifelse(iv2<0, 0, iv2)
iv2 <- ifelse(iv2>2, 2, iv2)
dv <- iv2 + rnorm(150, 0, 2)
iv2 <- factor(iv2, labels=c("a", "b", "c"))
df1 <- data.frame(dv, iv1, iv2)
library(car)
chisq.test(table(iv1, iv2)) # quick gene & disease relations
lm1 <- lm(dv~iv1*iv2, df1); lm2 <- lm(dv~iv2*iv1, df1)
anova(lm1); anova(lm2)
Anova(lm1, type="II"); Anova(lm2, type="II")
- আমার কাছে টাইম আই এসএস সহ lm1 টি ব্যাকগ্রাউন্ড থিওরি দিয়ে দেওয়া ডেটা বিশ্লেষণের উপযুক্ত উপায় বলে মনে হচ্ছে। আমার ধারণা সঠিক?
- আমি স্পষ্টরূপে অর্থোগোনাল ডিজাইনগুলিতে হেরফের করতে ব্যবহৃত হয়েছি, যেখানে এই সমস্যাগুলি সাধারণত পপ আপ হয় না। কোনও এসপিএসএস কেন্দ্রিক ক্ষেত্রের প্রেক্ষাপটে এটিই সেরা প্রক্রিয়া (অনুমান 1 পয়েন্টটি সঠিক) বিবেচনা করা কি কঠিন?
- এবং পরিসংখ্যান বিভাগে রিপোর্ট করবেন? কোন অতিরিক্ত বিশ্লেষণ, বা মন্তব্য যা প্রবেশ করা উচিত?