次群分析
#posthoc #subgroup #teaching
許多人都相信西洋的占星術，認為她能預測自己的運勢。依據出生日期決定的占星術黃道十二宮是白羊宮、金牛宮、雙子宮、巨蟹宮、獅子宮、室女宮、天秤宮、天蠍宮、人馬宮、摩羯宮、寶瓶宮、雙魚宮。
1988 年發表的 ISIS-2 (Second International Study of Infarct Survival) 臨床試驗顯示在病人發生疑似急性心肌梗塞之後，併用阿斯匹靈及 streptokinase 可以明顯降低再梗塞、中風及死亡的危險，但是許多人都對阿斯匹靈是否只有在某些病人（例如：年紀、性別、種族等）有效很感興趣，於是他們做了一個很有趣的分析，亦即他們把 17187 人依據占星術的星座分成 12 個次群，結果發現阿斯匹靈對天秤座、雙子座的人是無效的，但是阿斯匹靈卻能神奇地降低摩羯座的人的再梗塞、中風及死亡的危險至ㄧ半以下。可見事後分析中的次群分析是不可靠的，因為事後分析就像是「先射箭再畫靶」一樣。
-次群與暴露（治療）的交互作用（moderation）
• 這是一種觀察性研究，而不是 RCT 的主要/次要終點。
• 主要效果必須是有統計意義的。
• 如果是與連續變項有交互作用，那麼連續變項不能被變成類別/二元變項。
• 次群：必須要事先（不能事後）設定，數目不能太多，必須是基礎（治療前）的資料，各次群的樣本數愈多、愈接近愈好，各次群的共變數愈接近愈好，次群的定義沒有測量誤差，不要看太多的次群、有其他的研究支持。
• 校正干擾因子之後仍然存在。
• 必須要做多重比較的校正。
• 要看交互作用，不要分別看各次群：A 次群有意義、B 次群無意義是沒有任何判斷價值的。
• 需要的樣本數是主要效果的 16 倍：RCT 的樣本數是依據主要效果的統計檢定力 0.8 去計算的，因此交互作用的統計檢定力一定是 << 0.8 的。低統計檢定力會造成假陽性（高估效果量）和假陰性（第二型錯誤）。
• 要估計模式預測的校準與鑑別力、各次群預測的結果/治療的傷害。
• 要估計絕對與相對危險性（絕對危險性比較重要）。
• P： 0.01-0.05（不確定）、0.005-0.01（有意義）、< 0.005 （很有意義）。但是不要純粹用 P 值或用逐步複回歸選擇有意義的交互作用；要用收縮 shrinkage（懲罰 penalized、正規化 regularized、整體 ensemble）回歸選擇有意義的交互作用。
二因子共變數分析 在 Re: [請益] 二因子混合設計共變數分析的問題- 看板Master_D 的八卦
※ 引述《cuteship (ccccc)》之銘言：
: 請問SPSS的default會跑出 「組內因子*共變量」的交互作用項，其意涵如何解釋？
: 這個與迴歸係數同質性檢定是類似的道理嗎？倘若「組間因子*共變量」的交互作用項
: 未達顯著，代表各組的迴歸係數是同質的，因此可移除掉該交互作用項以增加其他考驗
: 變項Power。
: 那請問「組內因子*共變量」的交互作用項又有何意涵呢？ 顯著與不顯著的意義是？
: 林清山的心理與教育統計學，其有將該交互作用項放在摘要表，但未解釋之。
: 邱皓政的量化研究與統計分析也是將該交互作用項放在摘要表，未解釋之。
: 而吳明隆的SPSS與統計應用分析，三種作法之一則是以MANOVA語法操作，
: 將該交互作用項移除，但也沒有解釋其原因。
: 麻煩各位熱心的版友，幫我解惑！感謝大家！
我不敢說自己很懂,只是提出看法,不對請其他大大來鞭.
迴歸係數同質性檢定是看兩組有沒有"同質",進一步來做"相同性"或"關連性"的比較.
至於「組內因子*共變量」的交互作用項,這是檢驗實驗"方法"跟實驗"對象"
會不會因為方法跟對象不同而有不同的結果.
我用例子來講,你會比較清楚:
例如你要不同實驗教學法對學生的效果,想找出最好的教學法
就要用此法來看看.
依變數一:教學法: (A)重複考試式 (B)策略教學式 (C)引發動機式
依變數二:學生程度(1)資優班 (2)普通班 (3)放牛班
自變數:學生的考試成績
然後你把三種教學法去測試這三班的學生成績,看看有沒有交互作用
1.不顯著:表示沒有交互作用,就有main effect.
表示教學方法跟學生程度沒有不同的關係,
那可以找出最好的教學法,例如說(c)教學法對三班學生的成績效果最好
2.顯著:表示有交互作用.
那就很麻煩,要做Post-hoc analysis來看相互作用下不同的影響.
表示可能(B)策略教學式對資優班效果最好
(A)重複考試式對普通班效果最好
(C)引發動機對放牛班
這樣的話我門就不能斷定哪一個教學法對學生最好,因為要看學生本身
的程度不同.
以上是一點小意見,供你參考.
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.131.64.222
... <看更多>