统计学问题：如何调整因变量

线性模型来研究 新冠对人记忆力的影响 Y ~ X+age+sex
Y是记忆力（连续变量） X（0是没得新冠，1是得了新冠）
我画了一个boxplot， axis-x是X（分成0和1两个状态） axis-y是Y记忆力（数值型）
审稿人要求 把Y的值进行调整，因为有age和sex作为covariate
请问这个adjust_Y该怎么求呢？

回复 1楼 microsat 的帖子
如果你认为不能求。也请列出你的理由。

有高手出手相救吗？

调整 Y（记忆力）的值主要是为了消除协变量 年龄和 性别的影响，让我们更清楚地看到 X（是否感染新冠）对记忆力的独立作用。 具体步骤如下： 建立线性模型：用年龄和性别来预测记忆力，计算出模型对每个样本的预测值（Y^）。 计算残差：用实际的记忆力值 Y减去预测值 Y^，得到残差（即调整后的记忆力值）。 adjusted Y=Y−Y^ 这些残差值表示去掉了年龄和性别影响后的记忆力变化。 分析调整后的 Y：将调整后的 Y 与 X（新冠感染状态）进行比较或建模 这样，调整后的 Y 更准确地反映了 X 对记忆力的影响，而不会被年龄和性别混淆。

是让你用模型得出的fitted value吧？你都fit了模型了，为什么还要用raw value?

bzzby 发表于 2024-12-13 22:19
调整 Y（记忆力）的值主要是为了消除协变量 年龄和 性别的影响，让我们更清楚地看到 X（是否感染新冠）对记忆力的独立作用。 具体步骤如下： 建立线性模型：用年龄和性别来预测记忆力，计算出模型对每个样本的预测值（Y^）。 计算残差：用实际的记忆力值 Y减去预测值 Y^，得到残差（即调整后的记忆力值）。 adjusted Y=Y−Y^ 这些残差值表示去掉了年龄和性别影响后的记忆力变化。 分析调整后的 Y：将调整后的 Y 与 X（新冠感染状态）进行比较或建模 这样，调整后的 Y 更准确地反映了 X 对记忆力的影响，而不会被年龄和性别混淆。

你觉得这个chatgpt的回复是正确的吗？
我认为是错误的。

vivian_benben 发表于 2024-12-13 22:20
是让你用模型得出的fitted value吧？你都fit了模型了，为什么还要用raw value?

有人说fitted value不是。
请高手解答一下。

又看了遍，我说的不对，应该是用Y减去age和sex的部分，比如你age的coefficient是A，sex的coefficient是B，对于每个subject, 用Y或者Y_fitted减去(A*age+B*sex)

应该再加个变量：最近三年内是否生孩子了，正所谓一孕傻三年。😂

vivian_benben 发表于 2024-12-13 22:54
又看了遍，我说的不对，应该是用Y减去age和sex的部分，比如你age的coefficient是A，sex的coefficient是B，对于每个subject, 用Y或者Y_fitted减去(A*age+B*sex)

谢谢！

这不是瞎扯吗？ y=age+sex， regression出来的residual。 然后用这个residual去regress on X(covid). 这肯定错误啊。 如果你假设age, sex和covid 有相关。那就不能这么干。应该是一个regression。 他让你adjust Y的理由不成立啊。 如果他说里面有mediating effect，age会影响covid， sex会影响covid。那就是direct effect是age, sex， 而covid是个indirect effect. 所以你的第一个model应该是covid = m*age+n*sex。 然后第2个model是 y=a*covid+b*age+c*sex. direct effect是b, c。 indirect effect是m*a, n*a.

回复 4楼 bzzby 的帖子
DML

microsat 发表于 2024-12-14 00:13
谢谢！

alternatively,如果你要像这个建议的做。 那你第2次regression的时候要把age, sex继续加上。