Warum sollte man in einer genetischen Assoziationsstudie das Quadrat des Alters als Kovariate verwenden?

Warum sollte man in einer genetischen Assoziationsstudie Alter und Altersquadrat als Kovariaten verwenden? Ich kann die Verwendung des Alters verstehen, wenn es als signifikante Kovariate identifiziert wurde, aber ich bin hinsichtlich der Verwendung des Alters im Quadrat ratlos.

multiple-regression polynomial predictor bioinformatics genetics Kevin
quelle

Könnten Sie ein Beispiel geben?

Andrew

Suchen Sie eine domänenspezifische Antwort oder eine allgemeine Antwort darauf, warum so etwas in einem linearen Modell gemacht wird? Ich glaube, dass es in überlebensbezogenen Studien üblich ist, Alter und Alter im Quadrat zu haben, um die relativ lineare Ausfallrate während der besten Jahre eines Probanden zu modellieren, gefolgt von einer schnell ansteigenden Ausfallrate, wenn der Proband das "Alter" erreicht. . Würde dies in einer genetischen Assoziationsstudie zutreffen, wenn ein Merkmal mit dem Alter in Verbindung gebracht würde?

Wayne

Danke für die Antworten! Ein Beispiel wären Assoziationsstudien auf der Basis von Kandidatengenpopulationen mit Knochenmineraldichte, ein quantitatives Merkmal, das ein Risikofaktor für Osteoporose ist, und ja, es ist ein Merkmal, das mit dem Altern verbunden ist.

Kevin

Gibt es im Modell auch einen Altersbegriff?

Fomite

Verwandte Frage: Warum wird die Variable "Alter im Quadrat" durch 100 oder 1000 geteilt?

Silverfish

Antworten:

Taylor-Reihen- Approximationen sagen uns, dass so ziemlich jede glatte Funktion durch ein Polynom approximiert werden kann. Wenn wir also Begriffe wie oder einschließen (wobei x für Ihr Beispiel das Alter ist), lassen Sie uns die Koeffizienten für die Approximation für ein bekanntes oder schätzen unbekannte nichtlineare Funktion von oder Alter in Ihrem Fall. Das Testen dieser Koeffizienten ist auch eine einfache Möglichkeit, um zu testen, ob die Beziehung einigermaßen linear ist oder ob nichtlineare Terme eine bessere Anpassung ergeben. $x^2$ $x^3$ $x$

Abhängig vom endgültigen Ziel der Analyse können die nichtlinearen Terme zur Vorhersage beibehalten werden, oder Diagramme der Vorhersage können verwendet werden, um die tatsächliche funktionale Beziehung vorzuschlagen. Es gibt andere Werkzeuge, wie z. B. kubische Splines, die anstelle von Polynomtermen verwendet werden können, um ähnliche Ziele zu erreichen. Das Hinzufügen eines quadratischen Terms ist jedoch eine schnelle und einfache Möglichkeit, dies zu tun.

Greg Snow
quelle

Einfach gehalten: Durch Hinzufügen des Quadrats der Variablen können Sie den Effekt des Alters genauer modellieren, der möglicherweise eine nichtlineare Beziehung zur unabhängigen Variablen hat. Zum Beispiel könnte der Effekt des Alters bis zum Alter von beispielsweise 50 Jahren positiv und danach negativ sein.

Durch Hinzufügen des Alters im Quadrat zum Alter können Sie den Effekt in einem unterschiedlichen Alter modellieren, anstatt davon auszugehen, dass der Effekt für alle Altersgruppen linear ist.

In meinem Blog-Beitrag finden Sie eine einfache Schritt-für-Schritt-Anleitung und die Interpretation der Variable age & age squared.

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

user34889
quelle

Möglicherweise wurde eine Transformation durchgeführt, um die Modellannahmen zu erfüllen. Möglicherweise wurde dies auch aufgrund einer quadratischen Beziehung durchgeführt.

StatsStudent
quelle