आनुवांशिक संघ अध्ययन में एक कोविरेट के रूप में उम्र-वर्ग का उपयोग क्यों किया जाएगा?

Question

एक आनुवांशिक संघ अध्ययन में कोवरिएट्स के रूप में उम्र और उम्र-वर्ग का उपयोग क्यों करेगा? मैं उम्र के उपयोग को समझ सकता हूं अगर इसे एक महत्वपूर्ण कोवरिएट के रूप में पहचाना गया है, लेकिन मैं उम्र-वर्ग के उपयोग के रूप में नुकसान में हूं।

Comments

क्या आप एक उदाहरण दे सकते हैं?

— एंड्रयू

क्या आप एक डोमेन-विशिष्ट उत्तर की तलाश कर रहे हैं, या एक सामान्य जवाब है कि इस तरह का काम रैखिक मॉडल में क्यों किया जाता है? गैर-डोमेन-वार, मेरा मानना ​​है कि किसी विषय के प्रमुख वर्षों के दौरान अपेक्षाकृत रैखिक विफलता दर को मॉडल बनाने के लिए उत्तरजीविता-प्रकार के अध्ययन में उम्र और उम्र-वर्ग का होना आम है, इसके बाद तेजी से बढ़ती असफलता दर के रूप में विषय "वृद्धावस्था" तक पहुंच जाता है। । क्या यह आनुवांशिक संघ अध्ययन में लागू होगा यदि कुछ विशेषता बुढ़ापे से जुड़ी थी?

— वेन

प्रतिक्रियाओं के लिए धन्यवाद! एक उदाहरण होगा, अस्थि खनिज घनत्व के साथ उम्मीदवार जीन जनसंख्या-आधारित संघ अध्ययन, एक मात्रात्मक विशेषता जो ऑस्टियोपोरोसिस के लिए एक जोखिम कारक है और हाँ, यह उम्र बढ़ने के साथ जुड़ी हुई विशेषता है।

— केविन

क्या मॉडल में एक आयु अवधि भी है?

— फोमाइट

संबंधित प्रश्न: 'आयु वर्ग' चर को 100 या 1000 से क्यों विभाजित किया गया है?

— सिल्वरफिश

Answer 1

टेलर श्रृंखला सन्निकटन हमें बताते हैं कि बहुत अधिक किसी भी सुचारू कार्य को एक बहुपद द्वारा प्राप्त किया जा सकता है, इसलिए या (जहां x आपके उदाहरण के लिए आयु है) जैसे शब्द हैं, आइए एक ज्ञात या इसके लिए अनुमान के लिए गुणांक का अनुमान लगाएं। आपके मामले में , या उम्र का अज्ञात गैर-रेखीय कार्य । इन गुणांक का परीक्षण करना यह भी जांचने का एक सरल तरीका है कि क्या संबंध यथोचित रैखिक है या यदि गैर-रेखीय शब्द एक बेहतर फिट देंगे।x 3$x^2$$x^3$$x$

विश्लेषण के अंतिम लक्ष्य के आधार पर गैर-रेखीय शब्दों को भविष्यवाणी के लिए रखा जा सकता है, या भविष्यवाणी के भूखंडों का उपयोग वास्तविक कार्यात्मक संबंधों को सुझाने के लिए किया जा सकता है। अन्य उपकरण हैं, जैसे कि क्यूबिक स्प्लिन, जिसका उपयोग समान लक्ष्यों को पूरा करने के लिए बहुपद शब्दों के बजाय किया जा सकता है, लेकिन एक चुकता शब्द जोड़ना ऐसा करने का एक त्वरित और आसान तरीका है।

Answer 2

इसे सरल रखना: चर के वर्ग को जोड़ना आपको अधिक सटीक रूप से उम्र के प्रभाव को मॉडल करने की अनुमति देता है, जिसका स्वतंत्र चर के साथ गैर-रैखिक संबंध हो सकता है। उदाहरण के लिए, उम्र का प्रभाव सकारात्मक हो सकता है, जब तक कि, 50 वर्ष की आयु और उसके बाद नकारात्मक न हो।

उम्र को चुकता करने वाली उम्र को जोड़ते हुए, आप प्रभाव को एक अलग उम्र के मॉडल के लिए अनुमति देते हैं, यह मानने के बजाय कि प्रभाव सभी उम्र के लिए रैखिक है।

स्टेप गाइड द्वारा एक सरल चरण के लिए मेरे ब्लॉग पोस्ट को देखें और उम्र और आयु वर्ग चर की व्याख्या कैसे करें।

http://www.excel-with-data.co.uk/blog-1/how-to-regression-analysis-in-excel/

Answer 3

यह संभव हो सकता है कि मॉडल मान्यताओं को पूरा करने के लिए एक परिवर्तन किया गया था। यह किसी प्रकार के द्विघात संबंध की उपस्थिति के कारण भी किया जा सकता है।