Analisis probit

Oleh: Vincent Kim Ikhtisar Cepat y analisis probit adalah jenis regresi digunakan untuk menganalisis variabel respon binomial. y Ini mengubah kurva dosis-respons sigmoid untuk garis lurus yang kemudian dapat dianalisis dengan regresi baik melalui kuadrat terkecil atau kemungkinan maksimum. y Probit analisis dapat dilakukan dengan salah satu dari tiga teknik: o Menggunakan tabel untuk memperkirakan probits dan fitting hubungan oleh mata, o Tangan menghitung probits, koefisien regresi, dan keyakinan interval, atau o Memiliki paket stastitical seperti SPSS melakukan semuanya untuk Anda. Latar belakang Ide analisis probit pada awalnya diterbitkan di Science oleh Chester Ittner Bliss pada tahun 1934. Dia bekerja sebagai entomologi untuk stasiun percobaan Connecticut pertanian dan terutama berkaitan dengan menemukan sebuah pestisida yang efektif untuk mengendalikan serangga yang diberi makan daun anggur (Greenberg 1980) . Dengan merencanakan respon serangga untuk berbagai konsentrasi pestisida, ia secara visual dapat melihat bahwa setiap pestisida mempengaruhi serangga pada konsentrasi yang berbeda, yaitu lebih efektif daripada yang lain. Namun, ia tidak memiliki metode statistik suara untuk membandingkan perbedaan ini. Pendekatan yang paling logis adalah dengan cocok dengan regresi dari respon versus konsentrasi, atau dosis dan membandingkan antara pestisida yang berbeda. Namun, hubungan respon dosis sigmoid di alam dan pada regresi waktu itu hanya digunakan pada data linier. Oleh karena itu, Malcolm mengembangkan gagasan transformasi kurva dosis-respons sigmoid dengan garis lurus. Pada tahun 1952, seorang profesor statistik di University of Edinburgh dengan nama Daud Finney mengambil 'ide Bliss dan menulis buku berjudul Analisis probit (Finney 1952) . Hari ini, analisis probit masih merupakan metode statistik disukai dalam memahami hubungan dosis-respons. Dasar-dasar Analisis probit model regresi khusus variabel respon binomial. Ingat bahwa regresi adalah sebuah metode pas garis untuk data Anda untuk membandingkan hubungan antara variabel respon atau variabel dependen (Y) terhadap variabel independen (X). Y=a+bX+e Mana y a = y-intercept y b = kemiringan garis y e = kesalahan jangka Juga ingat bahwa variabel respon binomial mengacu pada variabel respon dengan hanya dua hasil. Sebagai contoh: y Membalik koin: Kepala atau ekor y Pengujian produk kecantikan: Ruam / ruam tidak y Efektivitas atau toksisitas pestisida: Kematian / maut tidak Aplikasi Probit analisis digunakan untuk menganalisis berbagai jenis dosis-respons atau respon percobaan binomial dalam berbagai bidang. Namun, karena latar belakang pengetahuan saya analisis probit berasal hanya dari toksikologi, contoh dari halaman web ini hanya akan menjadi toksikologi.

Analisis probit umumnya digunakan dalam toksikologi untuk menentukan toksisitas relatif dari bahan kimia untuk organisme hidup. Hal ini dilakukan dengan menguji respon organisme di bawah berbagai konsentrasi masing-masing bahan kimia tersebut dan kemudian membandingkan konsentrasi di mana seseorang menemukan jawaban. Sebagaimana dibahas di atas, respon selalu binomial (misalnya kematian / maut tidak) dan hubungan antara respon dan berbagai konsentrasi selalu sigmoid. analisis probit bertindak sebagai transformasi dari sigmoid untuk linier dan kemudian menjalankan regresi hubungan. Setelah kemunduran dijalankan, peneliti dapat menggunakan output dari analisis probit untuk membandingkan jumlah bahan kimia yang dibutuhkan untuk menciptakan respon yang sama di setiap berbagai bahan kimia. Ada banyak titik akhir digunakan untuk membandingkan toksisitas berbeda bahan kimia, tetapi LC50 (cairan) atau LD50 (padat) adalah hasil yang paling banyak digunakan pada percobaan dosis-respons modern. Para LC50/LD50 merupakan konsentrasi (LC50) atau dosis (LD50) di mana 50% dari populasi merespon. Sebagai contoh, perhatikan membandingkan dua toksisitas pestisida yang berbeda untuk kutu daun, A pestisida dan pestisida B. Jika LC50 pestisida A 50ug / L dan LC50 pestisida B 10ug / L, B pestisida lebih beracun dari A karena hanya dalam waktu 10ug / L untuk membunuh 50% dari kutu daun, versus 50ug / L pestisida B . Bagaimana cara kerja analisis probit? Cara mendapatkan dari kurva dosis-respons untuk LC50 suatu? Di bawah ini Anda akan menemukan panduan langkah demi langkah untuk menggunakan analisis probit dengan berbagai metode. Cara termudah sejauh ini adalah dengan menggunakan paket statistik seperti SPSS, SAS, R, atau S, tetapi itu baik untuk melihat sejarah metodologi untuk mendapatkan pemahaman yang menyeluruh material.

Langkah 1:% kematian Convert untuk probits (kependekan dari unit probabilitas) Metode A: Tentukan probits dengan melihat orang-orang yang sesuai dengan% merespon di Meja Finney (Finney 1952) :

Sebagai contoh, untuk respon% 17, probit sesuai akan 4,05. Selain itu, untuk respon 50% (LC50), yang probit sesuai akan 5,00. Metode B: perhitungan Tangan (Finney dan Stevens 1948) : Y probit, dari proporsi P didefinisikan oleh: Metode standar analisis membuat penggunaan maksimum dan probits kerja minimum: Dan kisaran 1 / Z mana Metode C: Komputer software seperti SPSS, SAS, R, atau S mengkonversi persen menanggapi probits secara otomatis. Langkah 2: Ambil log konsentrasi. Ini bisa dilakukan dengan tangan jika melakukan perhitungan tangan, atau menentukan tindakan dalam program komputer pilihan. Misalnya, setelah mengklik Analisis, Regresi, probit, pilih log pilihan Anda untuk mengubah:

Langkah 3: Grafik yang probits versus log konsentrasi dan cocok dengan garis regresi.

Catatan: Baik kuadrat terkecil dan kemungkinan maksimum adalah teknik regresi pas diterima, tapi maksimum likelihood lebih disukai karena memberikan perkiraan yang lebih tepat dari parameter yang diperlukan untuk evaluasi yang benar dari hasil (Finney 1952) . Metode A: cocok Hand garis oleh mata yang meminimalkan ruang antara garis dan data (kuadrat terkecil yaitu). Meskipun metode ini dapat sangat akurat, menghitung regresi dengan tangan atau menggunakan program komputer jelas lebih tepat. Selain itu, tangan perhitungan dan program komputer dapat memberikan interval keyakinan. Metode B: Tangan menghitung regresi linier dengan menggunakan metode berikut (Finney dan Stevens 1948) : Pertama tentukan proporsi menanggapi sama dengan p = r / n dan komplemen sebesar q = p 1. The probits dari nilai set p harus kira-kira berhubungan linier terhadap x, ukuran stimulus, dan garis dilengkapi oleh mata dapat digunakan untuk memberikan satu set yang sesuai probits diharapkan, Y. The probit bekerja sesuai dengan proporsi masing-masing selanjutnya dihitung dari salah satu persamaan berikut: Selanjutnya satu set probits diharapkan kemudian diturunkan dari persamaan regresi linier tertimbang probits bekerja pada x, y masing-masing yang diberikan berat, nw, di mana pembobotan koefisien, w, didefinisikan sebagai: Proses ini diulang dengan seperangkat nilai Y. iterasi yang menyatu untuk memberikan regresi linier. Metode C: Gunakan program komputer. SPSS menggunakan maksimum likelihood untuk mengestimasi regresi linier. Untuk menjalankan anaylsis probit di SPSS, ikuti langkah-langkah sederhana berikut: Cukup input minimal tiga kolom ke Editor Data y Jumlah individu per kontainer yang menanggapi y Jumlah individu per kontainer y Konsentrasi Misalnya pada layar berikut, a_mort adalah jumlah individu yang menanggapi per kontainer, a_total adalah jumlah total individu per kontainer, dan a_conc adalah konsentrasi. Baris 7 di contoh berikut adalah data dari kontrol dimana 0 dari 10 menanggapi pada konsentrasi 0. Layar 1:

Setelah Anda kolom diatur, hanya pergi untuk menganalisa, regresi, probit: Layar 2:

Kemudian menetapkan nomor Anda menanggapi kolom sebagai "Respon Frekuensi", jumlah per kontainer sebagai "Diamati Total", dan konsentrasi sebagai "kovariat". Jangan lupa untuk memilih basis 10 log untuk mengubah konsentrasi Anda. Layar 3:

Jika Anda menjalankan contoh di atas, Anda akan melihat bahwa SPSS menentukan solusi optimal setelah 18 iterasi. Langkah 4: Menemukan LC50 Metode A: Menggunakan grafik ditarik tangan Anda, baik diciptakan oleh mata atau dengan menghitung regresi dengan tangan, menemukan probit 5 pada sumbu y, kemudian bergerak ke sumbu x dan menemukan log konsentrasi yang terkait dengannya . Kemudian mengambil invers log dan voila! Anda telah LC50.

Metode B: LC50 ditentukan dengan mencari daftar probit untuk probit sebesar 5,00 dan kemudian mengambil log kebalikan dari konsentrasi itu terkait dengan.

Langkah 5: Tentukan interval kepercayaan 95%: Metode A: Tangan menghitung dengan menggunakan persamaan berikut: Standard error sekitar: 1 / b (Snw) b = perkiraan kemiringan garis Snw = penjumlahan dari nw w = tertimbang koefisien dari tabel III = Z Finney / PQ, 1952 Metode B: SPSS dan program komputer lain menghitung ini secara otomatis Catatan Bunga untuk Analisis probit y analisis probit mengasumsikan bahwa hubungan antara jumlah merespon (tidak respon persen) dan konsentrasi biasanya didistribusikan. Jika data tidak terdistribusi normal, logit (lebih lanjut di bawah) lebih disukai. y Harus memperbaiki data jika ada lebih dari 10% kematian di kontrol Salah satu metode adalah dengan menggunakan's (1947) formula Schneider-Orelli: % Responded -% Responded in Control Dikoreksi = ________________________________ x 100 100 - Menanggapi% di Control Sebagai contoh: Katakanlah Anda memiliki 20% kematian pada kontrol dan Anda memperbaiki tingkat kematian untuk konsentrasi di mana 60% terjadi. Plug di angka kematian ke dalam persamaan di atas dan Anda datang dengan mortalitas 50% bukan 60% asli. 60% - 20% ________ 40/80 = 50% 100% - 20% Logit vs probit: Logit adalah bentuk lain dari mengubah data binomial menjadi linearitas dan sangat mirip dengan probit. Logit fungsi dengan mengambil log dari odds: logit (P) = log P / (1-P). Namun, hubungan antara logit danprobit hampir tidak dapat dibedakan: Logit ( / 3) x probit. Secara umum, jika respon dosis vs data tidak terdistribusi normal, Finney menyarankan menggunakan logic atas transformasi probit (Finney, 1952). Meskipun penggunaan multivariat analisis probit berada di luar isi dari halaman web ini, perlu dicatat bahwa kesamaan antara probit dan logit tidak memiliki di alam multivarian (Hahn dan tanggal tidak diketahuiSoyer) . Hahn dan Soyer menunjukkan bahwa logit memberikan lebih cocok di hadapan ekstrim tingkat variabel bebas dan sebaliknya yang probit lebih sesuai dengan model efek acak dengan set data yang moderat (Hahn dan tanggal tidak diketahui Soyer) . Ringkasan y Analisis probit jenis regresi dengan variabel respon binomial. Hal ini sangat mirip dengan logit, tetapi lebih disukai ketika data terdistribusi secara normal. y Sebagian besar hasil umum dari percobaan-respon dosis di mana analisis probit digunakan adalah LC50/LD50 tersebut.

Probit analisis dapat dilakukan dengan mata, melalui perhitungan tangan, atau dengan menggunakan program statistik.

Kutipan: Finney, DJ, Ed. (1952). Probit Analisis,. Cambridge, Inggris Cambridge University Press. Finney, DJ dan WL Stevens (1948) 191-201. "Sebuah meja untuk perhitungan kerja probits dan bobot dalam analisis probit." Biometrika 35 (1-2):. Greenberg, BG (1980). "Chester I. Bliss, 1899-1979." Review Statistik Internasional / Revue Internationale de Statistique 8 (1): 135-136. Hahn, DE dan R. Soyer. (Tidak diketahui tanggal). "Probit dan Logit Model: Perbedaan dalam Realm Multivarian." Diakses 28 Mei 2008, dari http://home.gwu.edu/ ~ soyer/mv1h.pdf .