समय रेखा विश्लेषण

Question

मैं किसी व्यक्ति के जन्म क्रम और बाद में कई 1-वर्ष के जन्म के सहकर्मियों (जैसे http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2808417/ ) के डेटा का उपयोग करके मोटापे के जोखिम के बीच संबंधों पर शोध कर रहा हूं ।

एक महत्वपूर्ण चुनौती यह है कि जन्म का क्रम अन्य विशेषताओं से जुड़ा है जैसे कि मातृ आयु, छोटे और / या बड़े भाई-बहनों की संख्या और जन्म स्थान, जो विभिन्न तंत्रों के माध्यम से भी परिणाम को प्रभावित कर सकते हैं। इसके अलावा, बाद में मोटापे का खतरा होने पर इन चीजों का कोई प्रभाव भाई-बहनों की लिंग रचना द्वारा संशोधित किया जा सकता है, जिसमें "इंडेक्स चाइल्ड" (जन्म सहवास में भागीदार) भी शामिल है।

प्रत्येक सूचकांक बच्चे के लिए, एक समय रेखा खींच सकता है जो परिवार में सभी जन्मों को दिखाता है, समय चर में मातृ आयु के साथ।

मैं इन प्रकार के डेटा का विश्लेषण करने के तरीकों की पहचान करने की कोशिश कर रहा हूं, जहां घटनाओं का क्रम, समय और प्रकृति सभी महत्वपूर्ण हो सकते हैं। मैं यह सवाल यहां इसलिए पूछ रहा हूं क्योंकि सदस्यों की विविधता काम करती है - मुझे उम्मीद है कि किसी के पास कुछ तात्कालिक सुझाव हैं जो मुझे अकेले पहचानने में अधिक समय लगेगा। सही दिशा में किसी भी कुहनी को बहुत सराहना मिलेगी।

संबंधित प्रश्न: मुझे महिलाओं के जन्म अंतराल पर डेटा का विश्लेषण कैसे करना चाहिए?

Comments

+1। सामान्य सवाल: क्या आपको माता-पिता के बीएमआई के लिए डेटा मिला है?

— हिरण हंटर

हां, इंडेक्स बच्चों की माताओं के लिए कुछ अनुदैर्ध्य एन्थ्रोपोमेट्रिक डेटा हैं। दुर्भाग्य से भाई-बहनों पर नहीं, परिवार के विश्लेषणों के बीच किसी एक को छोड़कर।

— DL Dahly

समय पर मुद्दे पर कई उपयोगी विचार नहीं। आप पहले बच्चे के जन्म के समय एक और स्वतंत्र चर के रूप में मातृ उम्र चाहते हो सकते हैं; मुझे लगता है कि आप पहले से ही खोजपूर्ण विश्लेषण और विज़ुअलाइज़ेशन कर चुके हैं ...

— हिरण हंटर

स्पष्ट रूप से मातृत्व की उम्र के लिए महत्वपूर्ण है, यही वजह है कि उपरोक्त समय समय के चर के रूप में मातृ आयु का उपयोग करते हैं। मुझे लगता है कि मैं जो ढूंढने की उम्मीद कर रहा हूं वह एक वैकल्पिक तरीका है जो सब कुछ रेखीय मॉडल में फेंकने से अधिक प्रदान करता है।

— DL Dahly

यकीन नहीं होता कि यह मायने रखता है, लेकिन मुझे लगता है कि जन्म का वजन, या एक महिला के बच्चों का औसत जन्म वजन एक दिलचस्प सहसंयोजक हो सकता है। इसके अलावा, क्या आप अपने परिणाम के बारे में अधिक जानकारी प्रदान कर सकते हैं? क्या आपके पास बार-बार उपाय हैं?

— विश्वसनीय

Answer 1

आप परिवार के प्रभावों के बीच और अनुमान लगाने के लिए बहुस्तरीय मॉडल (मिश्रित प्रतिगमन) का उपयोग करने पर विचार कर सकते हैं। एक संभव रणनीति एक योजनाबद्ध पदानुक्रमित मॉडल भवन दृष्टिकोण का उपयोग करना है। उदाहरण के लिए, एक संभावित मॉडल में प्रत्येक संभावित भविष्यवक्ता का परीक्षण करें। यदि परिवार के बीच प्रभाव जन्म आदेश प्रभाव को हटाते हैं, तो यह दृढ़ता से सुझाव देगा कि जन्म आदेश महत्वपूर्ण नहीं है, लेकिन अन्य प्रभाव हैं। बुद्धि पर जन्म के प्रभाव के लिए इसके लिए प्रशस्ति पत्र का एक उदाहरण:

• विचमैन, एएल, रॉजर्स, जे।, और मैक्कलम, आरसी (2006)। बर्थ ऑर्डर और इंटेलिजेंस के बीच संबंधों के लिए एक बहुस्तरीय दृष्टिकोण । व्यक्तित्व और सामाजिक मनोविज्ञान बुलेटिन , 32 (1), 117-127। डोई: 10.1177 / 0146167205279581

मुझे आशा है कि यह उपयोगी है।

Comments

एक अच्छे विचार के लिए +1 मैं साथ-साथ आया, लेकिन इस विशेष विश्लेषण के लिए मेरे भाई-बहनों पर कोई परिणाम नहीं है।

— DL Dahly

Answer 2

मैं इसे एक सांख्यिकीय प्रश्न के रूप में देख रहा हूं और मुझे चिकित्सा मुद्दों का कोई विशेष ज्ञान नहीं है।

आप जिस लेख का उल्लेख करते हैं, उसे देखकर मुझे लगता है कि एक व्यक्ति के पास 970 व्यक्ति थे। यदि आपके पास उस आकार के लगभग कई हिस्सों पर डेटा है, तो आपके डेटासेट का समग्र आकार यथोचित बड़े उपसमूह का चयन करने का अवसर प्रदान करता है जिसमें प्रत्येक व्यक्ति की समयरेखा विशिष्ट परिस्थितियों को पूरा करती है। उदाहरण के लिए, एक उपसमूह में शामिल हो सकते हैं, कहते हैं, 25-29 वर्ष की आयु वाले सभी पुरुष व्यक्ति। एक प्रतिगमन, इस तरह के सबसेट के लिए, जन्म के आदेश के खिलाफ बाद के मोटापे के एक उपयुक्त उपाय सूचकांक बच्चे के लिंग में अंतर के बाद के मोटापे पर किसी भी संभावित प्रभाव को समाप्त करेगा और मोटे तौर पर मातृ आयु के किसी भी संभावित प्रभाव को समाप्त करेगा।

यह कहना सरल नहीं है कि भाई-बहनों के लिंग के लिए इस दृष्टिकोण का विस्तार करना अगर किसी उपसमुच्चय के लिए एक शर्त है, तो कहना है कि सूचकांक बच्चे की एक बड़ी महिला सहोदर है, जिसका अर्थ है कि अनुक्रमणिका बच्चा अपने आप में सबसे बड़ा बच्चा नहीं है, जो सीमा को संकुचित करता है। प्रतिगमन में स्वतंत्र चर का। हालाँकि, यह "यदि कोई हो" का उपयोग करते हुए शर्तों को परिभाषित करने का एक तरीका हो सकता है। उदाहरण के लिए, एक उपसमुच्चय को 25-29 वर्ष की आयु वाले सभी पुरुष व्यक्तियों और वृद्ध भाई-बहनों के साथ, यदि कोई हो, सभी पुरुष महिलाओं को शामिल करने के लिए परिभाषित किया जा सकता है। इस तरह के सबसेट में अभी भी किसी भी जन्म के क्रम वाले व्यक्ति शामिल होंगे।

यदि एक उपसमुच्चय को बहुत सी स्थितियों द्वारा परिभाषित किया जाता है, तो इसमें शामिल व्यक्तियों की संख्या इतनी कम हो सकती है कि गुणांक के परिणामस्वरूप अनुमान उपयोगी होने के लिए बहुत ही असंभव हो जाएगा। यदि इस दृष्टिकोण को अपनाया गया, तो संभवतया एक उपयोगी परिणाम प्राप्त करने के लिए पर्याप्त व्यक्तियों को शामिल करने और पर्याप्त व्यक्तियों को शामिल करने के बीच, सबसेट को परिभाषित करने के बीच, एक निर्णायक व्यापार-बंद की आवश्यकता होगी।

Comments

आदम जवाब के लिए धन्यवाद। हालांकि इस मामले में, मुझे नहीं लगता कि नमूने का स्तरीकरण आपको एक समान समायोजित मॉडल से परे कुछ भी बताएगा। यह बहुत अच्छी तरह से हो सकता है कि एक ठीक से निर्दिष्ट रैखिक मॉडल ऐसा करने का सबसे अच्छा तरीका है ... मैं सिर्फ यह देखने की उम्मीद कर रहा था कि क्या अन्य क्षेत्रों के सांख्यिकीविद् अलग-अलग तरीकों से समान समस्याओं से निपटते हैं।

— DL Dahly

मैं सहमत हूं - अगर यह आप कह रहे हैं - कि मेरा दृष्टिकोण कई संकेतक चर का उपयोग करके पूरे डेटासेट पर एक एकल प्रतिगमन के बराबर है। एक उदाहरण के रूप में मातृ आयु को लेते हुए, किसी भी मॉडल के साथ एक संभावित समस्या जो इसे एक निरंतर चर के रूप में मानती है, वह यह है कि इसे कार्यात्मक रूप पर एक धारणा की आवश्यकता होती है (मातृ आयु और बाद के मोटापे के बीच का संबंध वक्र हो सकता है)। इसके विपरीत, मातृ आयु बैंड के लिए संकेतक चर के एक सेट का उपयोग करने वाले मॉडल को इस तरह की धारणा की आवश्यकता नहीं है और इस संबंध में अधिक सामान्य है।

— एडम बैली

Answer 3

मैं कार्यात्मक डेटा विश्लेषण का सुझाव दूंगा लेकिन मुझे संदेह है कि उचित अनुमान प्राप्त करने के लिए आपके पास बहुत कम बच्चों वाले परिवार होंगे। आगे बढ़ो और इसे पढ़ें, हालांकि, यह आपकी आवश्यकताओं को संबोधित करता है। शायद किसी ने पहले से ही समान डेटा के साथ इसका इस्तेमाल किया है।

यदि आप उस के रूप में बड़े पैमाने पर गैर पैरामीट्रिक के रूप में कुछ नहीं करना चाहते हैं, तो आपको डेटा की गतिशीलता को कम करने के लिए अपनी नैदानिक ​​विशेषज्ञता का उपयोग करना चाहिए। उदाहरण के लिए, आपके मॉडल में एक चर बच्चों की संख्या हो सकती है, दूसरा बच्चों के बीच औसतन वर्षों की संख्या हो सकती है, और इसी तरह। यदि इन चर में कोई प्रभाव है, तो यह तब भी दिखाई दे सकता है जब आपने कार्यात्मक रूप को तुरंत ठीक से निर्दिष्ट नहीं किया हो। आगे ज्ञान-चालित मॉडल भवन आपको एक उच्च भविष्य कहनेवाला मॉडल बनाने की अनुमति दे सकता है - बस यह सुनिश्चित करें कि आप एक सत्यापन सेट रखें!

Comments

मैं एफडीए का उपयोग करता हूं और यह सुनिश्चित नहीं करता हूं कि यह कैसे लागू होता है। मैं प्रत्येक अनुक्रमणिका बच्चे के लिए x अक्ष = 0 सेट कर सकता हूं, और उस धुरी पर अन्य भाई-बहनों को +/- समय पर प्लॉट कर सकता हूं; और y अक्ष के रूप में मातृ आयु है; और फिर प्रत्येक सूचकांक बच्चे के लिए एक मोनोटोनिक कार्यात्मक डेटा ऑब्जेक्ट का अनुमान लगाएं ... लेकिन जैसे ही मैंने ऐसा किया है मैंने भाई-बहनों की वास्तविक संख्या के बारे में सभी जानकारी खो दी है और वे लाइन के साथ कहां गिरते हैं (क्योंकि अब सब कुछ संक्षेप में है कार्यक्रम)। FDA में विश्लेषण के कई तरीके शामिल हैं - क्या आपके मन में कुछ अधिक विशिष्ट था?

— DL Dahly