非正态分布中因变量和自变量之间的相关性

Question

编辑和更新：

我正在尝试使用 Python 或 SPSS 来衡量某些因素在一个或多个指标上的有效性。我的数据集包含 100 条不同时间（例如三个月）接受治疗的患者的记录。数据集如下所示：

     a1  a2  a3  b1  b2  b3  metric1 metric2 metric3
1    1.2 2.3 3.5 90  58  29  2.1     3.2     1.2  
2    3.2 3.4 1.5 58  54  39  3.1     4.2     3.2  
...
100  3.1 1.3 2.5 36  63  45  5.1     4.2     3.2  

如您所见，因子 a（比如非正态分布的葡萄糖）和因子 b（比如正态分布的治疗或药物）已为每位患者记录了 3 次。在每位患者的就诊中，还记录了一个指标（例如健康指标）。现在我想知道因素 b 在三次访问期间如何影响我的数据集中的指标。例如，因子 b 与该数据集中的指标之间是否存在任何（共）关系？如果是这样，它在多大程度上是重要的？

我尝试了几种方法，包括单向 Annova 或找到样本均值之间的相关性，但均未成功。我知道这些数据应该通过重复测量方法进行分析，但是现在我有多个非正态分布的自变量，我有点困惑。我应该利用什么统计方法？

感谢任何帮助！

Answer 1

您目前拥有宽格式的数据，我没有在 Python 中进行统计，但对于 R，您需要大多数函数的长格式。

将您的数据框转换为长格式。我认为你可以用 pd.melt() 做到这一点

df["Patient"] = df.index + 1
pd.melt(df, id_vars=["Patient"], value_vars=['b1', 'b2', 'b3'], var_name='Repeated', value_name='Glucose')

这是错误的，因为您需要为您的治疗做同样的事情，不知道如何做两次，您可以通过分离 DF 然后再次合并来做到这一点。

您的目标数据框应如下所示：

Patient     Glucose  GRepeated  Treatment  TReapeatedb1   Metric MRepeated
1           1.2      a1          90        b1             3.2     metric1  
2           3.2      a2          54        b2             4.2     metric2
...
100         3.1      a3          45        b3             3.2     metric3