zahlavi-IBA logo-IBA logo-MU
© Institut biostatistiky a analýz
Pokročilé metody analýzy dat
v neurovědách
RNDr. Eva Koriťáková, Ph.D.
doc. RNDr. Ladislav Dušek, Dr.

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Blok 2
Vícerozměrné statistické testy
a rozložení
2

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Osnova
1.Vícerozměrné charakteristiky
2.Vícerozměrné normální rozdělení
3.Vícerozměrný t-test
4.Vícerozměrná analýza rozptylu
5.Transformace a jiné úpravy vícerozměrných dat
3

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrné charakteristiky
4

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrná data
5
ID
Pohlaví
Věk
Váha
MMSE skóre
Objem
hipokampu
…
1
muž
84
85,5
29
7030
2
žena
25
62,0
28
6984
3
4
…
•PROMĚNNÉ
•Poznámka: proměnné označovány i jako znaky, pozorování, diskriminátory, příznakové proměnné či
příznaky
•Anglicky označení pouze jedním termínem: feature

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Maticový zápis datového souboru
6
ID
Pohlaví
Věk
Váha
MMSE skóre
Objem
hipokampu
…
1
muž
84
85,5
29
7030
2
žena
25
62,0
28
6984
…
•PROMĚNNÉ
maticový zápis datového souboru n objektů (subjektů), které jsou popsané p proměnnými
jeden prvek matice xij je hodnota j-té proměnné u i‑tého objektu
(subjektu), přičemž  j = 1, ..., p a i = 1, ..., n

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrný průměr a kovarianční matice
•vícerozměrný průměr (např. pro datový soubor se 2 proměnnými):
•
•
•
•
•výběrová kovarianční matice (např. pro datový soubor se 2 proměnnými):
7

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrný průměr a kovarianční matice
•Vícerozměrný průměr:
8
ID
Objem hipokampu
Objem
mozkových komor
1
2
12
2
4
10
3
3
8
1
2
3
4
5
7
8
9
10
11
12
13
Objem hipokampu
•Kovarianční matice:
ID
Objem hipokampu
Objem
mozkových komor
1
2
12
2
4
10
3
3
8

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrné normální rozdělení
9

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Motivace
10
Dvourozměrný histogram
Hustota dvourozměrného normálního rozdělení

-> dvourozměrné normální rozdělení

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Hustota u nekorelovaných a korelovaných proměnných
11
Nekorelované proměnné
(μ1 = μ2 = 0, σ1 = σ2 =1, ρ= 0)
Korelované proměnné
(μ1 = μ2 = 0, σ1 = σ2 =1, ρ= 0,5)

ať si to představí jako klobouk – nekorelované proměnné jsou buřinka pana Tau, korelované proměnné
jsou v extrémním případě Napoleonova čepice

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrné normální rozdělení
12
Hustota vícerozměrného normálního rozdělení:
Hustota dvourozměrného normálního rozdělení:
Výřez obrazovky Výřez obrazovky
Hustota jednozměrného normálního rozdělení:

-> dvourozměrné normální rozdělení

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Je normalita v jednorozměrném prostoru jedinou podmínkou vícerozměrné normality?
13
+

-> dvourozměrné normální rozdělení

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Je normalita v jednorozměrném prostoru jedinou podmínkou vícerozměrné normality?
14
+

-> dvourozměrné normální rozdělení

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Je normalita v jednorozměrném prostoru jedinou podmínkou vícerozměrné normality?
15
+
Vícerozměrný outlier

-> dvourozměrné normální rozdělení

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Ověření dvourozměrné normality
16
Bagplot = „bivariate boxplot“ (tzn. „dvourozměrný krabicový graf“)
v softwaru Statistica: Graphs – 2D Graphs – Bag Plots

ukazovat na objemu hipokampu a amygdaly zvlášť u jednotlivých skupin subjektů:
-není vhodné použí Categorized pro vykreslení skupin, protože ty grafy jsou pak velmi malé
-lepší je použít By Group (zatrhnout „Output to single folder“ a případně „Ascending“)
podle bag plotu je tam hodně odlehlých hodnot, bag plot je však až příliš přísný

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Ověření dvourozměrné normality
17
Vykreslení regulační elipsy („control“ elipse):
v softwaru Statistica: Graphs – Scatterplots – na záložce Advanced zvolit Elipse Normal

data tvoří  elipsu a do elipsy má spadat 95% hodnot, což spadá (mimo elipsu jen 15 hodnot z 406,
což je 3.7%), a hodnoty mimo elipsu nejsou daleko od elipsy –> data mají vícerozměrné normální
rozdělení
(obdobně i u CN – tam je to 8 z 230 (3.5%) a u AD 9 z 197 (4.6%))
http://documentation.statsoft.com/STATISTICAHelp.aspx?path=Graphs/Graph/ModifyingGraphs/Dialogs/Plo
tEllipseTab

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrný t-test
18

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Jednorozměrný dvouvýběrový t-test
19

Kolik skupin srovnáváme pomocí dvouvýb. t-testu?
Nějaký příklad?
Jaké jsou předpoklady tohoto testu?

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrný t-test
•Srovnáváme dvě skupiny dat, které jsou na sobě nezávislé – mezi objekty neexistuje vazba.
•Na rozdíl od jednorozměrného dvouvýběrového t-testu jsou dvě skupiny dat popsány více proměnnými.
•
•
•
•
•
20

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Vícerozměrný t-test
21
Studentovo rozdělení
F rozdělení
F rozdělení
Hotellingovo rozdělení

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 1
•Zjistěte, zda se liší skupina pacientů se schizofrenií od zdravých subjektů na základě parametrů
popisujících objem mozkových struktur subjektů.
22
pacienti
kontroly
1
2
3
4
5
6
4
5
6
7
8
9
10
11
12
13
Objem hipokampu

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 1 - řešení
23
Vícerozměrný t-test:
n
6
p
2
T2
3,5
F
1,31
df1= p
2
df2 = n-p-1
3
α
0,05
F-crit
9,55
p-hodnota
0,389

v Rku (použití Rka jako kalkulačku):
S=solve(2/3*matrix(c(1,-1,-1,4),2,2))
b=matrix(c(-1,3),1,2)
b%*%S%*%t(b)
qf(0.95,2,3)
1-pf(1.3125,2,3)

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 1 – řešení v software R
24
library("ICSNP")
X=matrix(c(2 4 3 12 10 8),3,2)
Y=matrix(c(5,3,4,7,9,5),3,2)
HotellingsT2(X, Y)
Výřez obrazovky

Výsledek: není statisticky významný rozdíl mezi skupinami (je to ale hlavně kvůli malému N)
V Excelu (Vicerozmerny t-test - demo.xlsx) – je to ale asi k ničemu
kovarianční matice by také šly počítat maticově

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu
pro vícerozměrná data
25

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu (ANOVA) jednoduchého třídění
•Srovnáváme tři a více skupin dat, které jsou na sobě nezávislé (mezi objekty neexistuje vazba).
•Příklady: srovnání objemu hipokampu u pacientů s AD, pacientů s MCI a kontrol; srovnání
kognitivního výkonu podle čtyř kategorií věku.
•
•
•
•
•
•
•
•Předpoklady: normalita dat ve VŠECH skupinách, shodnost (homogenita) rozptylů VŠECH srovnávaných
skupin, nezávislost jednotlivých pozorování.
•
•Testová statistika:
26

-Nezávislost jednotlivých pozorování – sice téměř automatický předpoklad, nicméně je třeba se nad
ním alespoň zamyslet.
-ANOVA má souvislost s F-testem
-nezávislost především ve smyslu nezávislosti hodnot (nejen, že hodnoty byly zjišťovány nezávisle
na sobě) – např.:
-když srovnáváme účinnost dvou léků, aby ve skupinách léčených lékem A a lékem B byli různí lidé
-když srovnáváme dvě země podle procenta studujících lidí, aby se pokud možno nestávalo, že
studenti budou studovat ve dvou zemích současně, čímž by zkreslovali výsledky
-u nezávislosti se každopádně nejedná o nezávislost proměnných

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
•Srovnání variability (rozptylu) mezi výběry s variabilitou uvnitř výběrů.
•
•
•
•
•
•
•
•Tabulka analýzy rozptylu jednoduchého třídění (One-Way ANOVA):
Analýza rozptylu (ANOVA) – princip
27
Variabilita
Součet čtverců
Počet stupňů volnosti
Průměrný čtverec
F statistika
p-hodnota
Mezi skupinami
SA
dfA = k – 1
MSA = SA/dfA
p
Uvnitř skupin (reziduální var.)
Se
dfe = n – k
MSe = Se/dfe
Celkem
ST
dfT = n – 1
celkový průměr
AD
MCI
CN
AD
MCI
CN

-k je počet skupin
-vzpomínají si, na čtverce, které jsme kreslili u směrodatné odchylky?

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu jako lineární model
•Analýza rozptylu pro jednu vysvětlující proměnnou (jednoduché třídění) lze zapsat jako lineární
model:
•
•
•
•
•
•Nulovou hypotézu pak lze vyjádřit jako:
•
•Rozšířením tohoto zápisu můžeme definovat další modely ANOVA: více faktorů, hodnocení interakcí,
opakovaná měření na jednom subjektu.
•
28

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu pro vícerozměrná data
29
•podle počtu faktorů:
–1 faktor – ANOVA jednoduchého třídění (jednofaktorová ANOVA)
–2 faktory – ANOVA dvojného třídění (dvoufaktorová ANOVA)
–...
•podle počtu vysvětlovaných proměnných:
–1 vysvětlovaná proměnná – jednorozměrná analýza rozptylu (ANOVA)
–2 a více vysvětlovaných proměnných – vícerozměná analýza rozptylu (MANOVA)
•podle toho, zda se faktory ovlivňují či nikoliv:
–faktory se mohou ovlivňovat – model s interakcí
–faktory se neovlivňují – model bez interakce

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu pro vícerozměrná data - příklady
30
Počet faktorů: jednoduché x dvojné x trojné, ... třídění
Počet proměnných: jednorozměrná x vícerozměrná analýza rozptylu
Faktory se ovlivňují či neovlivňují: s interakcí x bez interakce
•zkoumáme dlouhodobý vliv třech léků na hodnoty systolického tlaku u stovky osob, přičemž chceme
zkoumat i vliv pohlaví, předpokládáme však, že ženy i muži reagují na jednotlivé léky obdobně (tzn.
např. ženy s léky A a C budou mít nižší tlak než ženy s lékem B a muži s léky A a C budou mít také
nižší tlak než muži s lékem B apod.)
•zkoumáme dlouhodobý vliv třech léků na hodnoty systolického tlaku u stovky osob, přičemž chceme
zkoumat i vliv pohlaví, a předpokládáme, že ženy a muži budou reagovat na léky různě (tzn. např.
ženy s léky A a C budou mít nižší tlak než ženy s lékem B, zatímco muži s léky A a B budou mít
vyšší tlak než muži s lékem C apod.)
•zkoumáme dlouhodobý vliv třech léků na hodnoty systolického a diastolického tlaku u stovky osob
•zkoumáme dlouhodobý vliv třech léků a vliv pohlaví na hodnoty systolického a diastolického tlaku u
stovky osob
– jednorozměrná analýza rozptylu dvojného třídění bez interakce
– jednorozměrná analýza rozptylu dvojného třídění s interakcí
– vícerozměrná analýza rozptylu jednoduchého třídění
– vícerozměrná analýza rozptylu dvojného třídění
•zkoumáme dlouhodobý vliv třech léků na hodnoty systolického tlaku u stovky osob
– jednorozměrná analýza rozptylu jednoduchého třídění

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu dvojného třídění
•Uvažujeme dvě vysvětlující proměnné zároveň.
•Zápis modelu:
•
•
•
•
•
•Nulové hypotézy pak máme dvě:                          ,
•
31
Variabilita
Součet čtverců
Počet stupňů volnosti
Průměrný čtverec
F statistika
p-hodnota
Faktor A
SA
dfA = a – 1
MSA = SA / dfA
FA
p
Faktor B
SB
dfA = b – 1
MSB = SB / dfB
FB
p
Rezidua
Se
dfe = n – a – b + 1
MSe= Se / dfe
Celkem
ST
dfT = n – 1

stupně volnosti u Celkem – n=ab by byl jen speciální případ !

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu dvojného třídění s interakcí
•Uvažujeme dvě vysvětlující proměnné a zároveň i jejich společné působení.
•Zápis modelu:
•
•
•
•Nulové hypotézy pak máme tři:
•
32
Variabilita
Součet čtverců
Počet stupňů volnosti
Průměrný čtverec
F statistika
p-hodnota
Faktor A
SA
dfA = a – 1
MSA = SA / dfA
FA
p
Faktor B
SB
dfA = b – 1
MSB = SB / dfB
FB
p
Interakce A×B
SAB
dfAB = (a– 1)(b – 1)
MSAB = SAB / dfAB
FAB
p
Rezidua
Se
dfe = n – ab
MSe= Se / dfe
Celkem
ST
dfT = n – 1

tady jsou stupně volnosti správně, protože opravdu vychází, že: n-1=n-ab + (a-1)*(b-1) + (a-1) +
(b-1)

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Hlavní efekty a interakce
33
SS
D.f.
MS
F
p
Faktor 1
1978
1
1978
482.2
0.000
Faktor 2
1
1
1
0.3
0.602
F1*F2
1
1
1
0.3
0.570
Error
804
196
4
SS
D.f.
MS
F
p
Faktor 1
4
1
4
1.0
0.314
Faktor 2
1891
1
1891
461.1
0.000
F1*F2
1
1
1
0.3
0.570
Error
804
196
4
SS
D.f.
MS
F
p
Faktor 1
5293
1
5293
1290.7
0.000
Faktor 2
861
1
861
209.9
0.000
F1*F2
1
1
1
0.3
0.570
Error
804
196
4
SS
D.f.
MS
F
p
Faktor 1
4
1
4
1.0
0.314
Faktor 2
1
1
1
0.3
0.602
F1*F2
867
1
867
211.3
0.000
Error
804
196
4
SS
D.f.
MS
F
p
Faktor 1
920
1
920
224.3
0.000
Faktor 2
1
1
1
0.3
0.602
F1*F2
867
1
867
211.3
0.000
Error
804
196
4
SS
D.f.
MS
F
p
Faktor 1
4799
1
4799
1443.4
0.000
Faktor 2
316
1
316
95.0
0.000
F1*F2
175
1
175
52.5
0.000
Error
652
196
3
- muži
- ženy

- pokud se čáry v grafu kříží, ukazuje to, že tam nějaká intrakce je (nebo přesněji, když čáry
nejsou rovnoběžné – viz 6. situace), ale může být tak slabá, že to nemusí vycházet statisticky
významně (nebo můžeme mít příliš málo subjektů na to, aby interakce vycházela statisticky významně)
situace 3 – u mužů o cca 10 vyšší hodnoty u léku B než A i u žen o cca 10 vyšší hodnoty u léku B
než A → není tam interakce
situace 4 – když si uděláme společný boxplot pro muže a společný boxplot u žen (bez ohledu na lék),
budou ve stejné výšce → efekt pohlaví tam nebude; společný boxplot u léku A a společný boxplot u
léku B (bez ohledu na pohlaví) budou také ve stejné výšce → efekt léku tam nebude
situace 5 – společný boxplot pro muže a společný boxplot pro ženy ve stejné výšce → efekt pohlaví
tam nebude; společný boxplot u léku A níže než společný boxplot u léku B → efekt léku tam bude
situace 6 – je tam interakce, i když se na první pohled čáry neprotínají (kdybychom ale nakreslili
krabici pro ženy více doleva než pro muže, tak by se protínaly)

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Analýza rozptylu pro vícerozměrná data - postup
34
Model s interakcemi
Post hoc testy
(všechny skupiny dané kombinací faktorů proti sobě)
Interakce významné
Interakce nevýznamné
Model bez interakcí
Popisná sumarizace + krabicové grafy
Ověření předpokladů
(nezávislost, normalita, homogenita rozptylů)
Post hoc testy
(pro významné faktory s více než třemi kategoriemi)

když je ANOVA s interakcemi, je potřebné testovat post-hoc testem všechny skupiny mezi sebou, aby
se zjistilo, mezi kterými skupinami je statisticky významný rozdíl, protože sice informace, že se
statisticky významně liší skupina pod 30 let od skupiny nad 50 let je užitečná (na základě post-hoc
testu pro věk), ale když je tam interakce, tak to neříká všechno

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2
•Zjistěte, zda má vliv pohlaví a typ léku na počet nežádoucích účinků
u pacientů se schizofrenií (neuvažujeme možnou interakci).
35
ID
Pohlaví
Typ léku
Počet nežádoucích účinků
P1
M
lék X
1
P2
M
lék Y
1
P3
M
lék Z
6
P4
Z
lék X
3
P5
Z
lék Y
4
P6
Z
lék Z
9

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2 – řešení
36
Pohlaví
Typ léku
Počet nežádoucích účinků
1
1
1
1
2
1
1
3
6
2
1
3
2
2
4
2
3
9
Překódování:
1=M
2=Z
1=lék X
2=lék Y
3=lék Z
Legenda:
•Zjistěte, zda má vliv pohlaví a typ léku na počet nežádoucích účinků
u pacientů se schizofrenií (neuvažujeme možnou interakci).
Pohlaví:
Typ léku:

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2 – řešení
37
Pohlaví
Typ léku
Počet než. účinků
1
1
1
1
2
1
1
3
6
2
1
3
2
2
4
2
3
9
Součet čtverců pro faktor A (pohlaví):
Součet čtverců pro faktor B (typ léku):
Celkový součet čtverců :
Reziduální součet čtverců :

proč se ověřuje normalita ve všech 2*3 podskupinách, když se průměry dělají za každou podskupinu
dané proměnné zvlášť?

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2 – řešení
38
Tabulka analýzy rozptylu dvojného třídění:
Srovnání s kvantily:

V tomto okamžiku bychom měli zjistit, které skupiny u faktoru B se od sebe liší – šlo by to počítat
ručně, je to ale trochu náročnější, proto si to ukážeme pouze v softwaru.

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2 – řešení v softwaru STATISTICA
•Zjistěte, zda má vliv pohlaví a typ léku na počet nežádoucích účinků u pacientů
se schizofrenií.
•
39
Pohlaví
Typ léku
Počet uzdrav. pacientů
M
lék X
1
M
lék Y
1
M
lék Z
6
Z
lék X
3
Z
lék Y
4
Z
lék Z
9
V softwaru STATISTICA: Statistics – ANOVA – Main effects ANOVA – Quick specs dialog – OK –
Variables – Dependent variable list: X, Categorical predictors (factors): A, B – OK – All effects.
Post hoc testy: More results – Post hoc – zvolit Effect – Unequal N HSD, Tukey HSD nebo Scheffé
Levenův test: More results – Assumptions – zvolit proměnnou – Levene‘s test (ANOVA)
Vykreslení krabicových grafů podle obou proměnných: Graphs – 2D Graphs – Box Plots... – zvolit
spojitou proměnnou jako Dependent variable, zvolit jednu kategoriální proměnnou jako Grouping
variable – na listu Categorized u X-Categories zatrhnout On a Layout změnit na Overlaid – pokud
chceme spojit mediány či průměry, na záložce Advanced zatrhnout Connect middle points – OK
Pokud bychom uvažovali model s interakcemi, zvolíme Factorial ANOVA (namísto Main effects A.)

by group umožňuje vybrat 2 proměnné – vykreslí to rovnou 6 histogramů
větší smysl má ukázky v softwarech dělat rovnou na souboru Data_neuro.xlsx než tady na tom malém
ukázkovém souboru

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2 – řešení v softwaru SPSS
40
Pohlaví
Typ léku
Počet uzdrav. pacientů
M
lék X
1
M
lék Y
1
M
lék Z
6
Z
lék X
3
Z
lék Y
4
Z
lék Z
9
V softwaru SPSS: Analyze – General Linear Model – Univariate – Dependent Variable: spojitá
proměnná, Fixed Factor(s): kategoriální proměnné –>
•Model – zatrhneme Custom – vybereme Typ:Main effects – do Model přetáhneme A, B (pokud bychom
chtěli model s interakcemi necháme zatržené Full factorial) – odškrtneme Include intercept in model
– Continue
•Post Hoc – Post hoc Tests for: zvolit kategoriální proměnnou – zatrhneme Tukey’s-b – Continue
•Plots: zvolit proměnné do Horizontal Axis a Separte Lines – Add – Continue
•Options... – Homogeneity tests – Continue
Vykreslení krabicových grafů podle obou proměnných: Graphs – Legacy Dialogs – Boxplot... –
Clustered – Define – zvolit Variable Category Axis a Define Clusters by - OK
•Zjistěte, zda má vliv pohlaví a typ léku na počet nežádoucích účinků u pacientů
se schizofrenií.
•

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 2 – řešení v softwaru R
41
V softwaru R:
data <- data.frame(pohl=c(1,1,1,2,2,2),lek=c(1,2,3,1,2,3),pocet=c(1,1,6,3,4,9))
data
model_bez_interakce <- aov(data$pocet ~ (as.factor(data$pohl)+as.factor(data$lek)))
summary(model_bez_interakce)
TukeyHSD(model_bez_interakce) # post-hoc test
# 2. zpusob: anova(lm(data$pocet ~ (as.factor(data$pohl)+as.factor(data$lek))))
model_s_interakci <- aov(data$pocet ~ (as.factor(data$pohl)*as.factor(data$lek)))
summary(model_s_interakci)
boxplot(data$pocet ~(as.factor(data$pohl)*as.factor(data$lek)))
library("car") # instalace baliku car pomoci: install.packages("car")
leveneTest(data$pocet ~ (as.factor(data$pohl)*as.factor(data$lek)),center=mean)
•Zjistěte, zda má vliv pohlaví a typ léku na počet nežádoucích účinků u pacientů
se schizofrenií.
•

do budoucna zjistit, jak vypsat p-hodnoty u modelu s interakcí

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3
42
•Zjistěte, zda má vliv pohlaví a typ onemocnění na objem hipokampu.
•
•Ukázka datového souboru:
ID
Group_3kat
Gender_rek
Hippocampus_volume (mm3)
101
1
M
6996.1
102
1
F
7187.3
103
1
M
7030.2
331
2
M
6891.6
332
2
M
6332.9
334
2
F
6303.7
737
3
M
6170.8
739
3
F
5984.1
740
3
F
6052.4
Legenda k proměnné Group_3kat:
1...CN (kontroly)
2...MCI (mírná kognitivní porucha)
3...AD (Alzheimerova choroba)

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – popisná sumarizace dat
43
Skupina
Pohlaví
N
Průměr
SD
Medián
Minimum
Maximum
CN
F
110
7018.3
190.1
7036.1
6509.6
7430.1
M
120
7087.3
176.0
7081.1
6674.4
7486.6
Celkem
230
7054.3
185.7
7048.6
6509.6
7486.6
MCI
F
146
6476.7
171.8
6460.4
6155.1
6984.8
M
260
6595.2
164.1
6589.5
6159.1
7125.6
Celkem
406
6552.6
176.2
6555.0
6155.1
7125.6
AD
F
95
6215.0
178.8
6237.8
5805.2
6619.0
M
102
6293.0
174.8
6250.8
5844.3
6756.9
Celkem
197
6255.4
180.6
6248.0
5805.2
6756.9
Celkem
F
351
6575.6
364.8
6498.2
5805.2
7430.1
M
482
6653.8
323.9
6610.0
5844.3
7486.6
Celkem
833
6620.9
343.7
6580.9
5805.2
7486.6

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – krabicový graf
44
→ interakci sice očekávat nebudeme, přesto si ale model s interakcí raději spočítáme
(nejdřív ale musíme ověřit předpoklady)

když si propojíme mediány, vypadá to, že interakci tu spíš očekávat nebudeme

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – ověření normality
45

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – homogenita rozptylů a nezávislost
46
Výřez obrazovky
Nezávislost:
Protože žádný subjekt nebyl současně  ve více skupinách, nezávislost můžeme předpokládat.
p=0,440 > 0,05 → nezamítáme homogenitu rozptylů
Homogenita rozptylů:

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – model s interakcí
47
Výřez obrazovky
→ není statisticky významná interakce, proto spočítáme model bez interakce

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – model bez interakce
48
→ statisticky významný vliv pohlaví i typu onemocnění na objem hipokampu
Výřez obrazovky
→ protože  typ onemocnění má více než 2 kategorie, musíme provést post-hoc test, abychom zjistili,
mezi kterými kategoriemi je statisticky významný rozdíl

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Úkol 3 – interpretace
49
-statisticky významný vliv pohlaví i typu onemocnění na objem hipokampu, přičemž mezi pohlavím a
typem onemocnění nenastává interakce
-u mužů statisticky významně vyšší objem hipokampu než u žen
Výřez obrazovky
CN
MCI
AD
-statisticky významný rozdíl v objemu hipokampu u všech 3 skupin subjektů podle typu onemocnění,
přičemž u pacientů s AD je objem nejmenší a u CN největší

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Upozornění I
•Pozor, pokud mediány ukazují úplně jiný „trend“ než průměry!
50
•znamená to, že tam zřejmě není splněn předpoklad normality
•pokud rozdíl není statisticky významný, není zpravidla potřeba to řešit
•pokud by ten rozdíl vyšel statisticky významně, je to problém!
•
•poznámka: je dobré mít měřítko na ose y stejné u obou grafů

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Upozornění II
•Pozor na interpretaci!
•Na první pohled z grafu vypadá, že tam je vliv kraje i nezaměstnanosti, že to nevychází
statisticky významně může být:
–malým počtem subjektů ve skupině
–ale i velikostí efektu! (tady efekty malé, průměry ve všech čtyřech skupinách se podle posledního
grafu pohybují jen od cca 41,4 do 42!)
51

na dořešení:
•jak by se počítala MANOVA? – to určitě není separátní zhodnocení dvou spojitých proměnných podle
stejných kategoriálních proměnných...

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Doplnění – model s interakcemi
52
Závěr:
-Nejvyšší koncentrace celkové bílkoviny zjištěny u kočky domácí a nejnižší u karase obecného.
-Vliv pohlaví různý u různých druhů. Největší vliv u bource morušového, přičemž F statisticky
významně vyšší koncentrace než u M. Žádný vliv u kočky domácí. U karase obecného významně vyšší
koncentrace u M než F.

Není vhodné jen udělat post-hoc test jen pro živočišný druh, musí se udělat kombinace! Protože
pokud se neudělají, je zkreslující, že je tam statisticky významný vliv pohlaví, protože u kočky
vliv pohlaví není, u bource morušového vyšší hodnoty bílkovinu u F a u karase u M.
- V SPSS je nutno ručně udělat novou proměnnou se sloučenými kategoriemi! V softwaru STATISTICA a R
bez problémů, tam to rovnou udělá všechny kombinace.

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Transformace a jiné úpravy vícerozměrných dat
53

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Typy transformací a jiných úprav vícerozm. dat
•normalizace dat (= převod na normální rozdělení)
•standardizace dat
•min-max normalizace
•centrování dat
•odstranění vlivu kovariát na jiné proměnné
54

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Normalizace dat
•převod na normální rozdělení (normalita je předpokladem řady statistických testů).
•např. logaritmická transformace: X = ln(Y) nebo X = ln(Y+1), pokud data obsahují hodnotu 0
•
•
•
•
•
•
•
•další příklady:
–odmocninová transf. (pro proměnné s Poissonovým rozložením nebo obecně data typu počet jedinců,
buněk apod.:               nebo
–arcsin transfomace (pro proměnné s binomickým rozložením)
–Box-Coxova tranformace
•f(y)
•y
•f(x)
•ln (y)
X = ln(Y)
Asymetrické rozdělení
Normální rozdělení
Medián
Průměr
Medián
Průměr
Geometrický průměr
55

-Logaritmická transformace nevhodná u dat, která jsou již v logaritmické tvaru (např. pH) a u
nalevo zešikmených rozložení (nízké odlehlé hodnoty – nepomůže tady ale –log?)
-Pokud se pak výsledky (průměr a intervaly spolehlivosti) vrací zpátky (tzn. pomocí exponenciální
fce) a prezentuje se pak geometrický průměr a intervaly spolehlivosti, tak stačí použít přirozený
logaritmus (většinou je ln dostačující, aby tvar dat měl normální rozdělení)
-pokud bychom ale chtěli prezentovat data s logaritmickou osou, bylo by lepší použít dekadický
logaritmus, protože ten má lepší interpretaci osy (10x, 100x, 1000x větší...)

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Standardizace dat
56
•pozor: standardizace je nevhodná v případě, když proměnné nemají normální rozdělení a když se v
datech vyskytují odlehlé hodnoty!!!

-souvislost ze z-skóre – to bych dostala, pokud bych odečítala populační průměr a dělila populační
SD
-využití při modelování (aby proměnné byly srovnatelné)

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Min-max normalizace
57

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Centrování dat
58

např. u lineární regrese – pokud jsou hodnoty centrované, nemusíme uvažovat intercept

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
1.V prvním kroku definujeme regresní model vztahu kovariáty (např. věku) a dané proměnné
2.Pro každého pacienta je vypočteno jeho reziduum od regresní přímky
3.Reziduum (představující hodnotu parametru po odečtení vlivu věku, jeho průměr je 0) je přičteno k
průměrné hodnotě parametru
4.Výsledná adjustovaná hodnota má odečten vliv věku, ale zároveň není změněna číselná hodnota
parametru
•
59
original_ln.png adjusted.png original_ln.png adjusted.png
Původní data
Adjustovaná data
Odstranění vlivu kovariát (tzv. adjustace)
Věk
Věk
Věk
Věk
original_ln.png adjusted.png
Objem amygdaly
Objem amygdaly

logo-MU logo-IBA
Koriťáková, Dušek: Pokročilé metody analýzy dat v neurovědách
Poděkování
Příprava výukových materiálů předmětu
„DSAN02 Pokročilé metody analýzy dat v neurovědách“
byla finančně podporována prostředky projektu FRMU
č. MUNI/FR/0260/2014 „Pokročilé metody analýzy dat
v neurovědách jako nový předmět na LF MU“
60