Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Kísérlettervezés és értékelés az egy szempontos ANOVA használata.

Hasonló előadás


Az előadások a következő témára: "Kísérlettervezés és értékelés az egy szempontos ANOVA használata."— Előadás másolata:

1 Kísérlettervezés és értékelés az egy szempontos ANOVA használata

2 Jellegzetes jelenségek Már majdnem kész a cikkünk, csak a statisztika hiányzik. Segítség! Átgondolatlan vagy nem létező előzetes kérdések = lehet, hogy nincs érvényes következtetés A tervezésben sorrend fontos, mindent a maga helyén kell csinálni A statisztikai meggondolások a tervezési szakasz során, annak közepén kerüljenek sorra.

3 A kutatás teljes folyamatának áttekintése Tervezési szakasz Adatgyűjtési szakasz Értékelési szakasz –exploráló adatelemzés –statisztikai elemzés Jegyzőkönyvezés, dokumentálás Közlés

4 Ezen előadás legfontosabb mondanivalói A kutatás legfontosabb lépése a tervezés A tervezés és az értékelés szorosan összefüggenek Az eredmények értékelésében kell a statisztikai szemlélet Néhány statisztikai módszert magunk is elvégezhetünk Érdemes statisztikai szakértőtől tanácsot kérni A statisztikai tervezés és értékelés: szolgáltatásként is rendelkezésre kell álljon

5 A kísérletező pszichológiája, érdekei T. C. Chamberlin: The Method of Multiple Working Hypotheses. With this method the dangers of parental affection for a favorite theory can be circumvented. Science (old series): 15, 92, 1890 Science 148: (1965), reprinted Premature theories Ruling theories linger A family of hypotheses Drawbacks of the method Multiple hypotheses and practical affairs Danger vacillation Imperfections of knowledge

6 A társadalom érdeke, hogy a kutató objektiv legyen A kutatás objektivitását egyre több jogszabály, előírás próbálja biztosítani. Ez különösen fontos a gyógyszerek, készülékek, eljárások kipróbálásakor Ez ugyanolyan fontos az elméleti hipotézisek vizsgálatánál Good Laboratory Practice Good Clinical Practice Etikai kódex(ek)

7 Hypotézisek Précsényi István: Alapvető kutatástervezési, statisztikati,…. Debrecen (1995 )nyomán, kibővítve Elővizsgálatok adatbányászat exploratív elemzés (1) Kutatási kérdések Predikciók Változók kiválasztása Adatfelvételi módszer Adatgyüjtés Exploratív adatelemzés (2) Konfirmatív adatelemzés

8 A „feltáró” kutatás (elővizsgálatok) Van feltételezésünk, de keveset tudunk: –A kísérletben alkalmazott módszerekről –A módszer hibájáról –A várható szóródásról –Kísérleti beavatkozásainktól várható változások (?) irányáról és méretéről –A kísérletezés költségeiről, komplikációkról

9 „Bizonyító” kutatás Ennek tervezéséhez –van határozott ismeretünk (előkísérletből, adatbányászatból) a célról a populációról a változókról a várható szóródásról a kiértékelés módszeréről a várható, vagy megismerni kívánt mértékű (nagyságú) eredményről (szükséges a vizsgálat erejének számításához)

10 Az adatok integritása Minden adat rögzítendő Minden nem tervezett tulajdonság jegyzőkönyvezendő „Hibás adat” azonosítása, kezelése, eltávolítása hogyan történhet? Outlier adat sorsa (nincs ismert hibája, csak az értéke „kilóg”) A rögzített adatok ellenőrizendők számitás előtt és után (gyakori hibaforrás?)

11 A szoftver, a számítások integritása Jó és hiteles szoftvert használjunk A célnak pontosan megfelelő számítást végezzünk Az elemzett adatok köre rögzítendő A rögzített adatok ellenőrizendők számítás előtt és után Az elemzés menete, eredménye ellenőrizendő, fileba vagy papírra nyomtatandó Statisztikai jegyzőkönyvezés (is) kell (GLP) Példa:

12 Jelentések, közlemények, adatok Az eredmények tárgyszerű közlése A módszerek ismételhetőségét bemutatni Az értékelés módszere, megismételhetőségét illusztrálni kell

13 A szisztémás hibák elleni védekezés (minimalizálásuk) eszköze –a randomizálás Segít biztosítani a módszer kinduló feltételeinek teljesülését (véletlen minta) Sokféleképen lehet randomizálni –egyszerűen –blokkokban –rétegezetten –A vak és a kettős vak módszer véd a szubjektív hibák ellen (blind, double blind: „vak” – vagy „redőny, ”? Lásd Chamberlin cikkét Néha a vak kisérletezés nem könnyű

14 Kísérleti elrendezések egyes típusai (a megvalósítás terve) Random elrendezés (véletlenszerűen kiválasztott k csoport) Randomizált blokk elrendezés, ( ahol kísérlet-technikai csoportosítás is történik) –Független alanyok, kísérleti egységek –önkontroll, egy alanyon több mérés –vegyes: egyes tényezők független alanyon, más tényezők önkontrollos elrendezésben Faktoriális elrendezés (ahol sok szempont, faktor szerinti elrendezést vizsgálunk) Latin négyzet elrendezés (ahol kevés alanyon kell sok szempont szerint vizsgálni)

15 Lebonyolítás Legyen-e közbülső elemzés, vagy fix méret, végső elemzéssel Kizárási feltételek (egyes adat, alany „kiesése”) Meddig folytassuk? –Cut your losses? –Döntésig –Előre tervezett időpontig, vagy mennyiségig?

16 Jegyzőkönyvezés (statisztikai...) Az adatok részletes vizsgálatának alapja Outliers és a jegyzőkönyv Outliers és statisztikai kritériumok Outliers és a report, cikk irása Kizárási feltételeket előre kell(ene) megadni A hiányzó értékek esete (“pótlás”, dummy)

17 Összefoglalás Kiinduló feltételezések A mért változó –nominális skálán –ordinális skálán –numerikus skálán (eloszlása nem standard normális) A null hipotézis –eloszlások azonossága –a mediánok azonossága A minták száma –Lehet 1, 2, >2

18 A módszer választáshoz útmutatás Függ: –A kutatási kérdéstől –Kísérleti elrendezéstől –A mérés skálájától (nominális, rang, intervallum) –Az elemszámtól Van-e különbség? –1 csoport –2 csoport –3, vagy több csoport Van-e összefüggés? Hány független változó van?

19 Felkészülés, mérlegelés milyen skálán mért adatokról, milyen eloszlásról van szó? milyen mérési, kisérleti elrendezést alkalmazható? milyen elemzési módszer alkalmazható milyen feltételeknek kell(ene) az adatoknak megfelelniük. –teljesülnek-e a feltételek? az adatok kezelése az elemzéshez kell-e transzformáció? milyen statisztikai szoftvert alkalmazzunk? hogyan fogjuk felhasználni a statisztikai eredményeket? milyen statisztikai következtetések lehetségesek az elemzés után? Milyen statisztikai következtetésből milyen szakmai következtetések lehetségesek az elemzés után?

20 Javasolt munkarend Előzetes kísérletek, tájékozódás. A kísérleti hipotézis megfogalmazása A statisztikai hipotézis megfogalmazása A feltételek megvizsgálása Adat elemzés, átalakítás Elemzés Illusztrálás Dokumentálás, a statisztikai jegyzőkönyvezés Véleményezés, rögtön az elemzés végén.

21 Kísérlettervezés és értékelés egy szempontos ANOVA, egy vizsgált változóval

22 Adatelőkészítés Mérési jegyzőkönyv feldolgozása –Kézi adatbevitel –Elektronikus rekordok átvitele, kivonatolása átrendezése Statisztikai elemzésre felkészítés –Jelölés, csoportosító változók bevitele –Hiányzó adat(ok) kezelése –Segéd változók, mellékes adatok felvitele Elemzéshez használható lehet

23 Adatok ellenőrzése, ábrázolás Adatrögzítési, átalakítási hibák elleni védekezés Grafikai bemutatás segíti az áttekintést Előzetes elemzés, egyszerű módszerekkel

24 A feltételek ellenőrzése Az eloszlás normalitásának vizsgálata –Nagyobb adatmennyiség kell hozzá –A mintából nem mindig végezhető el A szórásnégyzetek homogenitásának vizsgálata (homoscedascitás) –A mintából végezhető –Bartlett próba és társai –Levene teszt

25 Transzformálás, ha kell Kölcsönösen egyértelmű átalakítás Mértékegység választás… Szigorúan monoton függvények használata –y=x 2, y=sin(x), y=log(x), y=e x és inverzeik, stb –A lognormális eloszlás Egyirányú átalakítás Osztályokba sorolás Rangtranszformáció

26 Transzformálás (szisztémás adatátalakítás) Mindig történik (valamilyen) transzformálás  A mérés során (műszerbe építetten, kalibrálásnál, számolásnál) gyakori a lineáris, vagy nem líneáris transzformáció  A mérési célú transzformációnak van (?) szaktudományos alapja  Példa: logit transzformáció radioimmun mérések kiértékelésénél linearizálja a kalibrációs görbét  A statisztikai célú transzformáció a kiértékelés lehetőségeit módosítja  Példa: a szórás arányos a csoport átlagával – a logaritmikus transzformáció ezt eltüntetheti Lehetőleg a tervezési szakaszban meg kell adni a lehetséges eljárást. Ne attól tegyük függővé a transzformálást, hogy utána kijön-e a kívánt eredmény….

27 Elemzés első szakasza: az ANOVA Az egy szempontos ANOVA esete egyszerű –A több szempontos ANOVA-nál a modell választás kritikus lehet Ha az ANOVA eredménye nem szignifikáns –Befejeződik a statisztikai elemzés –Folytatódhat a kutatás További adatgyűjtéssel ugyanazon kérdésről Módosított vizsgálati feltételekkel

28 Az elemzés második szakasza: eltérések vizsgálata Tervezett összehasonlítások –Dunnett próba, egy kontrollhoz minden más –Elemszám optimum: ha m darab kezelt csoport mind j, akkor a kontroll legyen j*√m elemszámú. –Kontrasztok – koefficiensekkel (c i ) úgy hogy ∑c i =0 Minden lehetséges összehasonlítás –Páros –Kontraszt Fischer LSD, Newman-Keuls, Tukey, Scheffé –Power?

29 Jegyzőkönyvezés, dokumentálás Good laboratory practice… A dokumentálás teljes körű legyen Nyers adatok, adatfeldolgozás (célszoftver?) –Célszoftver validálás –Szelekció? Ábrázolás, a felhasznált adatok reprezentatívak-e? Visszakereshetők-e? Statisztikai szoftver, verziószám, dátum? A munkamenet dokumentálása, Archíválás

30 Kitérő: Nyílt hozzáférés (Open Access) Közpénzből dolgozik a tudományos kutatás Eredményei közkinccsé kell váljanak A közlemények hozzáférhetősége –Medline és társai –Pubmed Central és társai Az adatok hozzáférhetősége –Reprodukálhatóság –Ellenőrizhetősége –Tovább elemzés lehetőségei


Letölteni ppt "Kísérlettervezés és értékelés az egy szempontos ANOVA használata."

Hasonló előadás


Google Hirdetések