原文链接:http://tecdat.cn/?p=6408

我们应该担心多重性吗?

事实证明(或许不足为奇)在多臂试验的设定中,某种多样性调整是否合适的问题一直备受争议 。一种观点认为,如果不同的假设代表不同的研究问题,那么不允许进行多重比较是合理的。

模拟研究

为了进行实证研究,我根据Parmar 等人的假设进行了一项非常小的模拟研究(在R中)。

运行模拟

mu < -  c(0,0)
tausq < -  0

在顶部,这将所有真正的治疗效果设置为零。这使我们能够检查类型1错误。

贝叶斯方法

遵循安德鲁·格尔曼与之前相关的论文,似乎处理前面问题的方法是贝叶斯分析。在这种情况下,每个治疗效果的后验平均值将朝着估计的总体平均治疗效果缩小,取决于真实治疗效果的估计方差和每个估计效果的精确度。

用于仿真

如果有人发现错误,请在评论中告诉我。

nSims < -  1000#specify真实效果的均值和方差
mu < -  c(-1,-1)
tausq < -  2
#mu < -  c(0,0)
#tausq < -  0#specify真正治疗之间的相关性rho
rho < -  0
trueCov < - c(tausq,rho * tausq,rho * tausq,tausq),nrow = 2)#由于共同的控制臂,误差相关性为0.5
errorRho < -  0.5
errorVariance < -  1
errorCov <   matrix(c(errorVariance,errorRho * errorVariance,errorRho * errorVariance,errorVariance),nrow = 2)sigResult < -  array(0,dim = c(nSims,2))
trueEffects <   array(0,dim = c(nSims,2))
estEffects < -  array(0,dim = c(nSims,2))for(i in 1:nSims){#generate真正的治疗效果trueEffects [i,] <   mvrnorm(n = 1,mu = mu,Sigma = trueCov)estEffects [i,] < -  trueEffects [i,] + mvrnorm(n = 1,mu = c(0,0),Sigma = errorCov)testStat < -  estEffects [i,] /(errorVariance ^ 0.5)p_value < -  2 * pnorm(abs(testStat),lower.tail = FALSE)sigResult [i,] <   1 *(p_value <0.05)
}#proportions of trials中找到每个治疗组
colMeans(sigResult)#beneficial effect与对照相比
#is假设两个治疗组相同(对照组)
bestTrt < -  array(0,dim = c(nSims,1))
bestEstEff < -  array(0,dim = c(nSims,1))
bestEstMinusTrue < -  array(0,dim = c(nSims,1))for(i in 1:nSims){bestTrt [i] < -  which.min(estEffects [i,])#find对应的真实效果bestTrtTrueEff [i] < -  trueEffects [i,bestTrt [i]]bestEstEff [i] < -  estEffects [i,bestTrt [i]]ciCov [i] < -  1 *(((bestEstEff [i] -1.96 * errorVariance ^ 0.5)<bestTrtTrueEff [i])&((bestEstEff [i] + 1.96 * errorVariance ^ 0.5)> bestTrtTrueEff [i]))
}

非常感谢您阅读本文,有任何问题请在下方留言!

拓端tecdat|R语言多臂试验 - 我们应该考虑多重性吗?相关推荐

  1. 拓端tecdat|R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险

    最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险 逻辑回归Logistic模型原理和R语言分类预测冠 ...

  2. 拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解(STL)进行时间序列异常检测

    最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...

  3. 拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系

    最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...

  4. 拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例

    最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的 房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子 人口众多 独生子女政策: ...

  5. UA MATH571A QE练习 R语言 单因子试验的回归分析

    UA MATH571A QE练习 R语言 单因子试验的回归分析 2015年5月的第六题是单因子试验,因为历年只有这一道,所以单独做一下. 土壤中的硅主要以硅酸盐矿物的形式存在,受成土母质和成土过程的影 ...

  6. 拓端tecdat荣获掘金社区入驻新人奖

    2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...

  7. 拓端tecdat荣获2022年度51CTO博主之星

    相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...

  8. 拓端tecdat|bilibili视频流量数据潜望镜

    最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...

  9. R语言中的试验一致性检验分析

    临床上的一致性检验指的在诊断试验中,研究者希望考察不同的研究方法在诊断结果上是否具有一致性.分为两种情况:一是评价待评价的诊断试验方法与金标准的一致性:二是评价两种化验方法对同一样本的化验结果的一致性 ...

  10. mantelhean.test r语言_请教如何将mantel test报告性的结果转化为表格。

    用R同时做了好几个mantel test,输出的结果如下: 结果一: Mantel statistic based on Pearson's product-moment correlation Ca ...

最新文章

  1. REAL6410、OK6410、TE6410 的区别
  2. Android小项目源码汇总
  3. C++ 模板的全特化与偏特化
  4. PROFIBUS-DP现场总线的结构及应用
  5. strategy dynamic参数的使用
  6. touch事件详解【译文】
  7. java同步mysql数据
  8. Unity VSCode + Emmy Lua 插件断点调试Lua脚本
  9. 各大厂商防火墙Firewall
  10. Ubuntu 16.04 使用burg修改开机引导主题
  11. dis的前缀单词有哪些_下面是总结的一些英语单词记忆前
  12. 几种你不知道的获取浙A牌照的方法
  13. 阿里巴巴集团部分技术BLOG
  14. Raft 算法 详细版介绍
  15. OpenSSH创建秘钥的4种格式以及git多秘钥配置
  16. 深度学习论文阅读目标检测篇(三):Faster R-CNN《 Towards Real-Time Object Detection with Region Proposal Networks》
  17. win7上安装php的扩展vld
  18. 我的Android进阶之旅------gt;/storage/sdcard0, /sdcard, /mnt/sdcard ,/storage/emulated/legacy 的区别...
  19. 石油远程《机械设计》第三次在线作业
  20. Stable Diffusion使用入门教程

热门文章

  1. Spark服务启动的一些总结
  2. 感谢微软BPOS4China技术支持组
  3. Zend Studio小技巧:自动生成版本信息
  4. windows ***的搭建
  5. #16192董哥授课的CCNP交换部分总结(三)
  6. 7.7-11 重定位过程描述+可执行目标文件的加载+共享库动态链接
  7. Python 从协议到抽象基类
  8. 深入解构magnitude_spectrum()
  9. 超定方程组的经典Gram-Schmidt正交化解法
  10. 使用openssl模拟CA和CA证书的签发