非正态分布中因变量与自变量的相关性

Question

编辑和更新：

我正在尝试使用Python或SPSS来衡量一个或多个指标中某些因素的有效性。我的数据集包含了100个接受不同治疗时间（如三个月）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  

如你所见，因子a（假设葡萄糖具有非正态分布）和因子b（假设一种治疗或药物具有正态分布）已经被记录了三次。在每个患者的就诊中，也记录了一个指标（例如健康指标）。现在我想知道在三次访问中，因子b是如何影响数据集中的度量的。例如，因子b与该数据集中的指标之间是否存在（co）关系？如果是的话，它的重要性在多大程度上？在

我尝试了几种方法，包括单向Annova或寻找样本均值之间的相关性，但都没有成功。我知道这些数据应该用重复测量法来分析，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？在

感谢任何帮助！在

Answer 1

你现在的数据是宽格式的，我还没有用Python做过统计，但是对于R来说，大多数函数都需要长格式的数据。在

将数据帧转换为long。我想你可以用钯熔体（）

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，因为你需要对你的治疗做同样的事情，不知道怎么做两次，你可以通过分离DF然后再合并它来完成。在

您的目标数据帧应该如下所示：

^{pr2}$