520. Jak ocenić, czy zaawansowana analiza naprawdę odpowiada pytaniu badawczemu?
Zaawansowana metoda statystyczna ma sens tylko wtedy, gdy odpowiada pytaniu badawczemu, projektowi badania, strukturze danych i realistycznym założeniom.
Zaawansowane analizy statystyczne: modele wieloczynnikowe, analiza przeżycia, modele mieszane, analiza czynnikowa, metody predykcyjne i interpretacja złożonych wyników.
Zaawansowana metoda statystyczna ma sens tylko wtedy, gdy odpowiada pytaniu badawczemu, projektowi badania, strukturze danych i realistycznym założeniom.
Wprowadzenie do uogólnionych równań estymujących GEE: dane powtarzane, korelacja wewnątrz klastra, struktury korelacji, interpretacja i błędy.
Modele mieszane pozwalają analizować dane, w których obserwacje tworzą klastry, na przykład pomiary pacjentów, uczniów lub pacjentów leczonych w różnych szpitalach.
Lekcja 517 wyjaśnia, jak działają metody hierarchiczne i k-means, jak dobrać odległość, liczbę skupień oraz ocenić stabilność i interpretowalność rozwiązania.
Analiza skupień służy do odkrywania jednorodnych grup obserwacji. Poznaj metody k-średnich, hierarchiczne, dobór liczby skupień i walidację wyników.
Konfirmacyjna analiza czynnikowa CFA służy do testowania założonej struktury czynnikowej. Sprawdź, czym różni się od eksploracyjnej analizy EFA.
Dowiedz się, czym różni się rotacja ortogonalna od ukośnej, kiedy wybrać varimax, oblimin lub promax oraz jak interpretować macierz ładunków.
Jak zdecydować, ile czynników zachować w eksploracyjnej analizie czynnikowej? Lekcja wyjaśnia scree plot, analizę równoległą i interpretację wyników.
KMO i test sferyczności Bartletta pomagają ocenić, czy macierz korelacji jest odpowiednia do eksploracyjnej analizy czynnikowej. Lekcja wyjaśnia ich znaczenie, wzory, interpretację i ograniczenia.
Eksploracyjna analiza czynnikowa pomaga odkrywać ukrytą strukturę zależności między zmiennymi. Lekcja wyjaśnia jej cel, założenia, etapy i ograniczenia.
Analiza głównych składowych (PCA) pozwala zastąpić wiele skorelowanych zmiennych mniejszą liczbą składowych, zachowując możliwie dużo informacji o zmienności danych.
Jak oceniać założenie proporcjonalności hazardów w modelu Coxa: wykresy, reszty Schoenfelda, testy, interakcje z czasem i alternatywne modele.
Hazard ratio porównuje chwilowe tempo występowania zdarzenia w analizie przeżycia. Lekcja wyjaśnia jego znaczenie, ograniczenia i raportowanie.
Wprowadzenie do modelu proporcjonalnego hazardu Coxa: założenia, wzór, interpretacja hazard ratio, cenzorowanie, diagnostyka i przykłady medyczne.
Test log-rank służy do porównywania krzywych przeżycia w grupach, także wtedy, gdy część obserwacji jest prawostronnie cenzorowana.
Krzywa Kaplana–Meiera pokazuje, jak zmienia się prawdopodobieństwo pozostania bez zdarzenia w czasie, uwzględniając dane cenzorowane.
Lekcja wyjaśnia, czym jest cenzorowanie, jak odróżniać jego typy i jak poprawnie uwzględniać je w analizie przeżycia.
Analiza przeżycia służy do badania czasu do wystąpienia zdarzenia, uwzględniając cenzorowanie i różne długości obserwacji.
Lekcja 502 wyjaśnia, jak statystycznie porównywać pola pod krzywymi ROC dwóch modeli lub testów, uwzględniając dane sparowane, niezależne, różnicę AUC i jej interpretację.
Lekcja wyjaśnia, jak krok po kroku zbudować krzywą ROC, obliczyć czułość i odsetek wyników fałszywie dodatnich oraz poprawnie interpretować AUC i punkt odcięcia.