J'ai collecté des données psychophysiologiques mesurant la capacité des sujets (deux groupes) à percevoir les vibrations. Une sonde vibrante se déplace contre la peau à des déplacements de plus en plus petits, et le sujet indique quand il ressent la vibration. Malheureusement, à des fréquences élevées, la sonde ne peut se déplacer que sur une courte distance, et parfois la plus grande distance que la sonde peut parcourir n'est toujours pas assez grande pour que les sujets puissent la percevoir. Ainsi, j'ai des valeurs de seuil précises pour certains sujets, mais pour certains qui n'ont jamais ressenti la vibration, j'ai simplement une valeur dont je sais que leur seuil est supérieur à. Existe-t-il un moyen pour moi d'inclure toujours ces données? Et quelle est la meilleure façon de l'analyser?
12
Réponses:
J'aime utiliser des modèles de mélanges hétérogènes pour décrire les effets combinés de sources fondamentalement différentes.
Vous pourriez regarder quelque chose comme un modèle «Poisson gonflé zéro» dans le style de Diane Lambert. " Régression de Poisson gonflée zéro, avec une application aux défauts de fabrication ", Diane Lambert, Technometrics, Vol. 34, Iss. 1, 1992
Je trouve cette idée particulièrement intéressante car elle semble contredire l'idée que l'application de la conception statistique des expériences à la médecine ne peut pas guérir complètement la maladie. Derrière la notion se trouve l'idée que la méthode scientifique ne peut pas remplir son objectif en médecine vient de l'idée qu'il n'y a pas de données sur la maladie d'un individu "parfaitement" en bonne santé et que les données ne peuvent pas informer le remède de la maladie. Sans mesure, il n'y a pas de marge d'amélioration.
L'utilisation de quelque chose comme un modèle gonflé à zéro permet d'extraire des informations utiles de données partiellement «sans erreur». Il utilise un aperçu du processus pour prendre les informations qui pourraient être considérées comme «silencieuses» et les faire parler. Pour moi, c'est le genre de chose que vous essayez de faire.
Maintenant, je ne peux pas commencer à affirmer quelles combinaisons de modèles utiliser. Je soupçonne que vous pourriez utiliser un modèle de mélange gaussien à gonflement zéro (GMM) pour les débutants. Le GMM est un peu un approximateur universel empirique pour les fichiers PDF continus - comme le cousin PDF de l'approximation de la série de Fourier, mais avec le soutien du théorème de la limite centrale pour améliorer l'applicabilité globale et permettre généralement beaucoup moins de composants afin de faire un " bonne "approximation.
Bonne chance.
ÉDITER:
Plus d'informations sur les modèles zéro gonflé:
la source
Regrouper les résultats et définir une échelle pourrait être une solution.
Faites une variable de catégorie comme ça (ou différemment):
Vous pouvez utiliser cette variable pour effectuer l'analyse, mais la pertinence des résultats dépend de la façon dont vous définissez les catégories.
la source