個人の反復測定データの扱いについて
おすすめの解説ページを教えて下さい。
とりあえず、ページの紹介を。
http://homepage2.nifty.com/nandemoarchive/toukei_hosoku/GLM/10_k...
http://biking.taiiku.tsukuba.ac.jp/wiki/index.php?%C8%BF%C9%FC%C...
久保さんのページはご存知のようですが。
http://hosho.ees.hokudai.ac.jp/~kubo/ce/RandomEffectsCrawley.htm...
よく分からないけれど、経過日数は説明変数にした方が良いのでは。
もしも回復(?)までの期間が知りたいことなのであれば、反復測定でなくて、回復したと判定された時間を目的変数として生存時間解析にすればいいのですが、本当にそれがやりたいことなのでしょうか。
そもそも「経過日数」について、8項目のどれがどうなるまでの時間なのかが分からない。「8項目のうちどの項目が有意に貢献」の意味も分からない。8項目とは別の何かを見ており、その何かに対する貢献を検討しているのでしょうか?
時間ごとに変化する8項目の説明変数による「何か」が起きるまでの時間のモデル化ならば、比例ハザードモデルに時間と説明変数の交互作用を入れてみる手がありそうですが(自信なし)。
> 個人の反復測定データ
って、具体的になんですか?
反復横とびの測定データですか?
> 扱いについて
貴方がデータを使用して何をしたいのかを書いていただけると、
きっと皆さんアドバイスしやすいと思います^^
ご指摘最もです。
言葉が足りませんでした。
これだけの情報では、統計でどう処理したいのかが不明です。
以下をはっきりさせることが統計手法を選ぶポイントになります。
1。扱うデータの種類。連続した数値なのか、カテゴリーなのかなど。
データの種類については下記サイトが参考になります。
http://kstat.yh.land.to/kstat/index.php?%C5%FD%B7%D7%B3%D8%A4%CE...(%BC%DC%C5%D9)
2。データの何をどうしたいのか?
例えば、ダイエットをしている100人の4/1の体重の平均と5/1の体重の平均に差があるかどうか?
という統計学的に扱える疑問に直します。
この例の場合は、対応のある連続変数(上記サイトでいう比例尺度)の平均値の比較になるので、t検定を選ぶことになります。
以下のサイトが参考になると思います。
http://www.gen-info.osaka-u.ac.jp/testdocs/tomocom/tejunn.html
言葉が足りずすみません。
1.比例尺度8項目を一個人に対して2-4回測定したデータがあります。
2.経過日数に従い、8項目のうちどの項目が有意に貢献しているかをしりたいと思います
3.経過日数を目的変数(y)にした最小モデルを考えています
よろしくお願いします。
だいぶ見えてきました。
>言葉が足りずすみません。
いえいえ、私も勉強中なので一緒に考えさせてもらいます。
>1.比例尺度8項目を一個人に対して2-4回測定したデータがあります。
>2.経過日数に従い、8項目のうちどの項目が有意に貢献しているかをしりたいと思います
まず、印象としては、この情報からすると最高で30くらいのデータに
経過日数を入れると9つの変数があるということになりますよね。
統計的処理に耐えられるデータ量かどうか疑問です。
>3.経過日数を目的変数(y)にした最小モデルを考えています
>よろしくお願いします。
この部分の意味が良く分かりません。
経過日数を考慮した多変量解析となると、思いつくのが、
下記リンクのような生存時間解析を考えているのでしょうか?
ご回答下さりありがとうございます。
大変参考になります。
>経過日数を考慮した多変量解析となると、思いつくのが、
>下記リンクのような生存時間解析を考えているのでしょうか?
線形混合効果モデル を考えています。
http://hosho.ees.hokudai.ac.jp/~kubo/ce/LinksGlmm.html
最も近いイメージが
五時間ブドウ糖負荷試験の血清カリウム値のモデル化です。
ありがとうございます。
大変参考になります。
とりあえず、ページの紹介を。
http://homepage2.nifty.com/nandemoarchive/toukei_hosoku/GLM/10_k...
http://biking.taiiku.tsukuba.ac.jp/wiki/index.php?%C8%BF%C9%FC%C...
久保さんのページはご存知のようですが。
http://hosho.ees.hokudai.ac.jp/~kubo/ce/RandomEffectsCrawley.htm...
よく分からないけれど、経過日数は説明変数にした方が良いのでは。
もしも回復(?)までの期間が知りたいことなのであれば、反復測定でなくて、回復したと判定された時間を目的変数として生存時間解析にすればいいのですが、本当にそれがやりたいことなのでしょうか。
そもそも「経過日数」について、8項目のどれがどうなるまでの時間なのかが分からない。「8項目のうちどの項目が有意に貢献」の意味も分からない。8項目とは別の何かを見ており、その何かに対する貢献を検討しているのでしょうか?
時間ごとに変化する8項目の説明変数による「何か」が起きるまでの時間のモデル化ならば、比例ハザードモデルに時間と説明変数の交互作用を入れてみる手がありそうですが(自信なし)。
大変ありがとうございます。
非常に参考になります。
>経過日数は説明変数
その通りでした。失礼しました。
>そもそも「経過日数」について、8項目のどれがどうなるまでの時間なのかが分からない。
十分説明せず大変失礼しました。
ある治療に対してのQOLアンケート得点をばらばらな日数ごとに個人ごと8項目に分けて集計しています。
エンドポイント(どれがどうなる:回復or死亡)が設定されていないので、比例ハザードモデルの当てはめは難しいと思っていました。
経過日数をえるに従って、初期値に比べ有意にあがる項目は8項目のうちどれかを検討します。
ご紹介頂いたページを元に勉強します。
大変ありがとうございます。
非常に参考になります。
>経過日数は説明変数
その通りでした。失礼しました。
>そもそも「経過日数」について、8項目のどれがどうなるまでの時間なのかが分からない。
十分説明せず大変失礼しました。
ある治療に対してのQOLアンケート得点をばらばらな日数ごとに個人ごと8項目に分けて集計しています。
エンドポイント(どれがどうなる:回復or死亡)が設定されていないので、比例ハザードモデルの当てはめは難しいと思っていました。
経過日数をえるに従って、初期値に比べ有意にあがる項目は8項目のうちどれかを検討します。
ご紹介頂いたページを元に勉強します。