Как посчитать сдвиг измеряемого пика по времени?

[rempel]

Comments

[gorgonops]

Т.к. Repeated-measures ANOVA вам не очень подходит по причине того, что вы относитесь к фактору "День" как к количественному и поэтому не хотите (как вам советовали выше), усреднять множество его градаций в 2-3, используйте День как ковариату в ANCOVA с подключением случайного фактора "мышь". Логика проста. Как известно, RM-ANOVA, которое исходно отвечает вашему случаю,

glm ДЕНЬ1 ДЕНЬ2 ... ДЕНЬ10
/wsfactor= day_factor 10 /wsdesign= day_factor /design= ГРУППА.

эквивалентно ANOVA с "случайным" фактором "мышь", вложенным в фактор "группа" (дизайн split-plot):

glm (или unianova) ЗДОРОВЬЕ by ГРУППА МЫШЬ ДЕНЬ
/random= МЫШЬ
/design= ГРУППА МЫШЬ(ГРУППА) ДЕНЬ ГРУППА*ДЕНЬ.

Но вы хотите сделать ДЕНЬ ковариатой, т.е. вам больше подойдет

glm (или unianova) ЗДОРОВЬЕ by ГРУППА МЫШЬ with ДЕНЬ
/random= МЫШЬ
/design= ГРУППА МЫШЬ(ГРУППА) ДЕНЬ ГРУППА*ДЕНЬ.

где то, что вас будет интересовать - значимость взаимодействия ГРУППА*ДЕНЬ.

Словом, перекройте файл данных, чтобы переменные ДЕНЬ1 ДЕНЬ2.... (в которых у вас значением количественный показатель здоровья) подшились друг под другом с образованием 2х переменных: ДЕНЬ и ЗДОРОВЬЕ. Создайте переменную МЫШЬ (номер мышки), - и вперед.

[adn1]

Перевод повторов в межгрупповой фактор всегда вызывал у меня внутренний протест: это не только не вполне честно... Хотя, что греха таить, временами тоже так поступаю, когда повторов много. В данном же случае я бы разделил повторы на две части: до максимума и после. Тогда, можно надеяться, взаимодействие меж и внутригруппового до максимума и после него будет разным.

[gorgonops]

Конечно, никогда не следует игнорировать внутрииндивидную изменчивость. Но здесь, в рамках GLM, нет никакого греха и протест излишен, когда фактор "мышь" тоже подключается, как я описал. Я же написал: эк-ви-ва-лент-но, т.е.: "то же самое". Я бы даже сказал, если б процедура Repeated Measures GLM не затевала бы полезные надбавочные калькуляции (вроде теста M Бокса и связанные с этим опциональные поправки), без нее теоретически вообще можно было бы обойтись.

[adn1]

Да это понятно, действительно, почти всегда можно найти равноценную альтернативу обработки (но лучше, если метод соответствует дизайну исследования). Главное в моем предложении в другом: в разделении данного периода на отрезки с последующим их сравнением.

[nokh]

Биологи и психологи в силу различий объекта по-разному понимают задачу. У биологов часто экспериментальная точка - горка трупов, которую нельзя использовать в дальнейшем исследовании и выборки получаются независимыми. При недостатке информации я почему-то понял что выборки независимы, а вы - что зависимы:). Если действительно в разное время измерялись одни и те же мыши, то и впрямь нужно использовать иерархию: вложить мышей во временные точки. Тогда факторами будут: 1-обработки (черные и красные), время (12 точек) и мыши "внутри" времени. Взаимодействий факторов возможно только 2: Обработка*Время и Обработка*Мышь внутри времени (Время*Мышь внутри времени - невозможно). Для оценки значимости различий в динамике важно первое взаимодействие, а второе оценивает индивидуальную изменчивость реакций мышей в ходе эксперимента и в контексте задачи не важно. Это - смешанная модель (факторы Время и обработка - фиксированные, а Мышь внутри времени - случайный) перекрестно-иерархической схемы дисперсионного анализа, но не ANCOVA, который используется для других целей и предполагает линейную регрессию. Если же мыши в каждой временной точке разные и выборки независимы, то это - обычная перекрестная схема дисперсионного анализа с фиксироваными факторами Обработка и Время.
Объем выборки в экспериментальной биологии тоже всегда меньше: обычно достаточно 3-5 экземпляров на ячейку эксперимента. Если выборки зависимы, то 12 - вполне нормально, если независимы - на мой взгляд даже многовато. Но конечно зависит от изменчивости признака и силы эффекта. Люди более гетерогенны даже по биологическим характеристикам, т.к. некоторые по разным причинам едят, пьют и курят всякую дрянь, живут и работают в разных условиях. Поэтому демография и эпидемиология и работают с огромными выборками. У зверей все проще, однородность повыше. И мыши эти наверняка выросли в одном виварии, ели и пили одно и то же - большие выборки избыточны.

[rempel]

Большое спасибо, всё вроде бы понятно объясняете, но не могли бы вы объяснить как мне данные в SPSS 14 проанализировать.
Мне уже в среду докладывать, а умений моих не хватает.
Вот собственно данные:
mice isolation e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004
N31 1 1232 11.7 12.88 15.34 13.94 16.58 16.69 15.46 12.25 12.72
N32 1 1187 14.85 16.45 16.36 16.11 18.37 18.35 21.31 19.17 13.56
N33 1 1140 11.68 13.37 12.81 11.6 13.55 14.25 15.04 15.04 12.2
N34 1 1305 10.37 12.83 13.7 12.89 15.49 17.01 12.82 12.62 11.56
N41 2 1136 12.87 13.91 13.59 18.46 18.5 18.48 16.75 16.24 13.57
N42 2 1348 11.54 14.36 13.8 15.59 17.65 18.43 13.05 12.75 11.55
N43 2 1227 12.33 14.02 16.72 19.14 18.18 19.98 15.68 15.87 13.09
N44 2 1174 11.18 13.41 14.64 18.33 18.58 17.71 15.38 13.58 12.43
T31 1 1136 11.17 12.47 15.27 14.28 19.08 14.81 12.12 13.72 11.53
T32 1 1006 12.98 12.54 15.02 14.88 18.17 19.67 13.15 14.71 11.72
T33 1 1045 12.8 14.16 16.89 17.62 18.96 17.3 12.72 13.86 10.72
T34 1 1038 10.77 11.35 14.82 16.34 17.27 18.07 15.66 15.92 12.09
T41 2 1067 12.93 13.3 16.22 17.23 17.09 17.01 14.29 13.6 10.66
T42 2 841 12.16 16.59 16.97 16.56 16.2 17.04 11.06 11.44 9.08
T43 2 1053 10.79 11.61 15.09 11.72 14.46 14.3 11.72 13.11 10.17
T44 2 1180 12.92 14.71 15.3 16.78 16.51 14.69 11.45 13.67 9.42
D11 1 1002 10.52 14.57 15.89 17.76 18.3 19.4 17.32 15.86 9.26
D12 1 1030 12.86 14.51 17.57 15.49 19.82 18.95 17.12 15.17 13.34
D13 1 985 13.12 14.2 17.03 16.44 18.67 19.54 16.67 16.37 12.54
D14 1 1111 10.23 12.82 13.77 16.41 17.58 14.13 13.56 12.67 11.32
D21 2 1104 11.8 13.74 17.31 14.91 18 17.8 13.69 15 11.15
D22 2 978 12.72 13.8 16.6 18.68 18.79 19.19 15.21 13.48 9.43
D23 2 996 11.6 12.36 15.46 18.16 18.68 13.32 13.99 12.23 9.79
D24 2 1072 13.54 15.56 20.36 20.66 18.95 19 12.44 12.23 9.53

[gorgonops]

data list list
/mice (a3) isolation (f1)
e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004 (10f8.2).

begin data
N31 1 12.32 11.7 12.88 15.34 13.94 16.58 16.69 15.46 12.25 12.72
N32 1 11.87 14.85 16.45 16.36 16.11 18.37 18.35 21.31 19.17 13.56
N33 1 11.40 11.68 13.37 12.81 11.6 13.55 14.25 15.04 15.04 12.2
N34 1 13.05 10.37 12.83 13.7 12.89 15.49 17.01 12.82 12.62 11.56
N41 2 11.36 12.87 13.91 13.59 18.46 18.5 18.48 16.75 16.24 13.57
N42 2 13.48 11.54 14.36 13.8 15.59 17.65 18.43 13.05 12.75 11.55
N43 2 12.27 12.33 14.02 16.72 19.14 18.18 19.98 15.68 15.87 13.09
N44 2 11.74 11.18 13.41 14.64 18.33 18.58 17.71 15.38 13.58 12.43
T31 1 11.36 11.17 12.47 15.27 14.28 19.08 14.81 12.12 13.72 11.53
T32 1 10.06 12.98 12.54 15.02 14.88 18.17 19.67 13.15 14.71 11.72
T33 1 10.45 12.8 14.16 16.89 17.62 18.96 17.3 12.72 13.86 10.72
T34 1 10.38 10.77 11.35 14.82 16.34 17.27 18.07 15.66 15.92 12.09
T41 2 10.67 12.93 13.3 16.22 17.23 17.09 17.01 14.29 13.6 10.66
T42 2 8.41 12.16 16.59 16.97 16.56 16.2 17.04 11.06 11.44 9.08
T43 2 10.53 10.79 11.61 15.09 11.72 14.46 14.3 11.72 13.11 10.17
T44 2 11.80 12.92 14.71 15.3 16.78 16.51 14.69 11.45 13.67 9.42
D11 1 10.02 10.52 14.57 15.89 17.76 18.3 19.4 17.32 15.86 9.26
D12 1 10.30 12.86 14.51 17.57 15.49 19.82 18.95 17.12 15.17 13.34
D13 1 9.85 13.12 14.2 17.03 16.44 18.67 19.54 16.67 16.37 12.54
D14 1 11.11 10.23 12.82 13.77 16.41 17.58 14.13 13.56 12.67 11.32
D21 2 11.04 11.8 13.74 17.31 14.91 18 17.8 13.69 15 11.15
D22 2 9.78 12.72 13.8 16.6 18.68 18.79 19.19 15.21 13.48 9.43
D23 2 9.96 11.6 12.36 15.46 18.16 18.68 13.32 13.99 12.23 9.79
D24 2 10.72 13.54 15.56 20.36 20.66 18.95 19 12.44 12.23 9.53
end data.

*Посмотрим на график.
IGRAPH /VIEWNAME='Line Chart' /X1 = VAR(category_set1) TYPE = CATEGORICAL /Y
= VAR(value_set1) TYPE = SCALE /COLOR = VAR(isolation) TYPE = CATEGORICAL
/COORDINATE = VERTICAL /COMBINE GROUP=VAR(category_set1) TYPE=CATEGORICAL
'Category' RESPONSE=VAR(value_set1) TYPE=SCALE 'Value' VAR(e0921) 'e0921'
VAR(e0923) 'e0923' VAR(e0924) 'e0924' VAR(e0925) 'e0925' VAR(e0926) 'e0926'
VAR(e0927) 'e0927' VAR(e0928) 'e0928' VAR(e1001) 'e1001' VAR(e1002) 'e1002'
VAR(e1004) 'e1004' /X1LENGTH=3.0 /YLENGTH=3.0 /X2LENGTH=3.0
/CHARTLOOK='NONE' /CATORDER VAR(category_set1) (ASCENDING VALUES OMITEMPTY)
/CATORDER VAR(isolation) (ASCENDING VALUES OMITEMPTY) /LINE(MEAN) KEY=ON
STYLE = LINE DROPLINE = OFF INTERPOLATE = STRAIGHT BREAK = MISSING /ERRORBAR
CI(95.0) DIRECTION = BOTH CAPWIDTH (45) CAPSTYLE = T.
EXE.

*Предложение adn1: усредним первые 5 e-переменных и последние 4 e-переменных
*(6-ю проигнорируем) подвергнем RM-ANOVA.
comp early= mean(e0921 to e0926).
comp late= mean(e0928 to e1004).
GLM
early late BY isolation
/WSFACTOR = time 2
/WSDESIGN = time
/DESIGN = isolation .
*Tests of Within-Subjects Effects показывает значимость взаимодействия
*time * isolation .007.

*Предложение gorgonops: переструктурируем данные и сделаем ANCOVA с подключением
*фактора Мышь.
VARSTOCASES /MAKE health FROM
e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004
/INDEX = time(10)
/KEEP = mice isolation.
*Предполагается, что временной интервал между замерами
*один и тот же (в противном случае переменную time со значениями 1 2 3 ... надо
*пересчитать на реальные дни).
GLM
health BY isolation mice WITH time
/RANDOM = mice
/DESIGN = isolation mice(isolation) time isolation*time .
*Значимость взаимодействия time * isolation .102.

*Если вы склонны различать 2 стадии процесса - заболевание и выздоровление,
*и эти стадии у разных мышей протекают более-менее синхронно, первый подход
*вам подойдет лучше. Если же вы настаиваете что Время не делимо на этапы или
*что эти этапы для мышей довольно индивидуальны, второй подход подойдет лучше.

[rempel]

Спасибо! Я ещё не знаю, как пользоваться кодом, который вы показываете.
Не могли бы вы мне объяснить,как это делается через менюшки?
Если конечно нетрудно!
Макс

[gorgonops]

Не всё в этом коде можно в буквальности воспроизвести ч-з меню. К тому же "объяснить" - это хорошо бы видеоконференцию устроить :-)). Просто скопируйте в Syntax Window и нажмите Run all.

[rempel]

Большущее спасибо!

[nokh]

К сожалению быстро ответить не смогу, т.к. сам я в SPSS новичок:(. Но делал подобные анализы другими средствами и хочу разобраться как это сделать в SPSS. Не могли бы вы пояснить: (1) почему на графике временных точек 12, а судя по данным - 10. (2) Означает ли буквенное обозначение мыши (N, T и D) еще один фактор, про который вы ничего не сказали, и внутри которого брались по 4 животных? (3) Как правильно: N31 1 1232 или N31 1 12.32 и далее в этой колонке как у gorgonops? Я попробую обсчитать это как привык, а потом буду разбираться с SPSS.

[rempel]

Большое спасибо!
1. Это моя неаккуратность - один раз я график по-одному обрезал, второй раз - по-другому. Сейчас отдельным ответом выдам недостающие колонки.
2. Да, N,T, и D - три независимых тритмента - нет стресса, стресс, и стресс плюс запах хищника. Их хорошо бы тоже добавить в анализ. Но не обязательно - фактор housing (isolated vs grouped by 4).

3. Ой, да, я не заметил, почему-то потерялась точка. Сейчас выдам данные с исправленной точкой и добавленной колонкой.

Макс

[rempel]

mice isolation stress e0907 e0918 e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004
N31 1 1 1.98 10.73 12.32 11.7 12.88 15.34 13.94 16.58 16.69 15.46 12.25 12.72
N32 1 1 0.88 11.51 11.87 14.85 16.45 16.36 16.11 18.37 18.35 21.31 19.17 13.56
N33 1 1 3.42 11.11 11.4 11.68 13.37 12.81 11.6 13.55 14.25 15.04 15.04 12.2
N34 1 1 2.82 10.74 13.05 10.37 12.83 13.7 12.89 15.49 17.01 12.82 12.62 11.56
N41 2 1 3.23 7.98 11.36 12.87 13.91 13.59 18.46 18.5 18.48 16.75 16.24 13.57
N42 2 1 4.25 9.49 13.48 11.54 14.36 13.8 15.59 17.65 18.43 13.05 12.75 11.55
N43 2 1 3.44 9.5 12.27 12.33 14.02 16.72 19.14 18.18 19.98 15.68 15.87 13.09
N44 2 1 2.89 10.88 11.74 11.18 13.41 14.64 18.33 18.58 17.71 15.38 13.58 12.43
T31 1 2 2.74 10.84 11.36 11.17 12.47 15.27 14.28 19.08 14.81 12.12 13.72 11.53
T32 1 2 1.85 10.32 10.06 12.98 12.54 15.02 14.88 18.17 19.67 13.15 14.71 11.72
T33 1 2 1.07 8.5 10.45 12.8 14.16 16.89 17.62 18.96 17.3 12.72 13.86 10.72
T34 1 2 3.14 10.15 10.38 10.77 11.35 14.82 16.34 17.27 18.07 15.66 15.92 12.09
T41 2 2 1.4 9.84 10.67 12.93 13.3 16.22 17.23 17.09 17.01 14.29 13.6 10.66
T42 2 2 -0.23 9.7 8.41 12.16 16.59 16.97 16.56 16.2 17.04 11.06 11.44 9.08
T43 2 2 0.28 9.22 10.53 10.79 11.61 15.09 11.72 14.46 14.3 11.72 13.11 10.17
T44 2 2 3.59 9.9 11.8 12.92 14.71 15.3 16.78 16.51 14.69 11.45 13.67 9.42
D11 1 3 3.13 9.71 10.02 10.52 14.57 15.89 17.76 18.3 19.4 17.32 15.86 9.26
D12 1 3 0.86 10.59 10.3 12.86 14.51 17.57 15.49 19.82 18.95 17.12 15.17 13.34
D13 1 3 0.18 11.32 9.85 13.12 14.2 17.03 16.44 18.67 19.54 16.67 16.37 12.54
D14 1 3 0.42 9.46 11.11 10.23 12.82 13.77 16.41 17.58 14.13 13.56 12.67 11.32
D21 2 3 1.25 9.63 11.04 11.8 13.74 17.31 14.91 18 17.8 13.69 15 11.15
D22 2 3 4.19 8.24 9.78 12.72 13.8 16.6 18.68 18.79 19.19 15.21 13.48 9.43
D23 2 3 4.33 10.28 9.96 11.6 12.36 15.46 18.16 18.68 13.32 13.99 12.23 9.79
D24 2 3 1.61 9.94 10.72 13.54 15.56 20.36 20.66 18.95 19 12.44 12.23 9.53

[adn1]

Посчитал в SPSS13 (чтобы прочитали в SPSS14) так: 1) RM GLM Повторы (1-6), межгрупповые Изол*Стресс 2) То же, но повторы (7-12).
Готов выслать в понедельник результат ответом на Ваше письмо на мой адрес adn@an2806.spb.edu

[rempel]

Спасибо большущее!
Я вам послал эл. письмо.
Макс