如何解决p值直方图对线性混合模型的随机效应有效吗?
我最近遇到过这篇文章:http://varianceexplained.org/statistics/interpreting-pvalue-histogram/ 很高兴能更好地理解我的结果的含义,但是我还有一个问题可以缝以找到答案。
为了给您提供一些背景信息,我使用DNA甲基化数据研究了锻炼后可能发生的变化。我的兴趣在于在个人层面上的回应。为了能够研究个体水平上DNA甲基化的一致变化,我们进行了重复的测试干预,在干预过程中(基线,4周,8周,12周),我们收集了样本用于分析多个时间点。我们可以建立单个坡度并观察参与者是否表现出一致变化的方法。我的模型如下:
lmer(DNAmethylation ~ Timepoint + Age + (1+Timepoint|ID),data=data)
时间点被编码为连续的(1,2,3,4)
此模型的固定效应为我提供了与DNA甲基化相关的组水平变化的信息,而随机效应为我提供了单个水平的信息。获得结果后,我创建了p值的直方图(请参见附件)。固定效果的直方图看起来还不错,并且我有一个反保守的p值,对于那些我可以继续进行分析并更正多次测试的权利?
但是对于随机效应,我得到了保守的p值,在您的帖子中,您暗示我的测试可能有问题。我只是不知道会发生什么,因为我一直在根据其他出版物和生物信息学家的建议使用这种模型。 p值直方图可能不适合随机效果吗?在这种情况下您会怎么做?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。