두 샘플의 일치 비교가 의미가 없습니다.샘플 ID를 일치 변수로 사용하고 치료를 그룹화 변수로 사용하여 두 가지 측정 세트(플랫폼: X로 Y 맞춤) 간에 일치 비교를 실행했습니다.분명히 목표는 처리가 종속 변수에 영향을 미치는지 확인하는 것입니다.결과는 치료가 유의미하다는 것을 보여주지만(p = 0.03), 평균 다이아몬드와 상식은 그렇지 않음을 나타냅니다.No-till 처리에서 일치하지 않는 관찰(12,2)을 생략하여 두 샘플 모두 7개의 측정값을 갖도록 해도 결과가 변경되지 않습니다.내가 무엇을 놓치고 있습니까?
Re: 두 샘플의 매칭 비교가 말이 되지 않습니다.예, 가정 위반이 없는 경우 두 질문 모두에 해당합니다.여전히 ID별로 차이점을 살펴보는 것이 좋습니다.
Dogs.jmp 데이터와 마찬가지로 주제/단위의 하위 집합에 대해서는 차이가 크고 다른 그룹에 대해서는 차이가 없음을 알 수 있습니다. 제 생각에는 임의성 가정을 확인하는 데 너무 적은 관심을 기울이고 있으므로 불일치를 유발할 수 있는 다른 요인을 찾지 않습니다. 간단하게 하기 위해 블록* 처리 상호작용이라고 부르고 싶지만 대부분은 또 다른 (알려지지 않은) 요인입니다.
행운을 빌어요!
Re: 두 샘플의 매칭 비교가 말이 되지 않습니다.
미니 통계 강의가 도움이 되었기를 바랍니다.
오 테스트가 통계적으로 0과 다른 동안 마지막으로 언급할 사항은 평균 차이가 귀하의 작업에 실질적으로 중요한지 여부입니다.
예, 약간 조밀하지만 도움이 됩니다.고맙습니다.
치료에 대한 F 통계의 p=0.03을 기준으로 α=0.05에서 통계적으로 유의하지만 치료 효과는 작다고 말하는 것이 맞습니까?
일치하지 않는 쌍에 대해 분석을 수행했다면 치료 효과가 통계적으로 유의하지 않을 것이라고 말하는 것도 공정합니까?
그 차이가 실제적으로 중요한지 여부는 장기 실험과 관련이 있기 때문에 그렇습니다. 그 차이는 올해 당신에게 작게 보일 수 있습니다.내년에는 더 커질 것으로 기대합니다.
건배
Re: 두 샘플의 매칭 비교가 말이 되지 않습니다.JMP에서 일치 쌍 또는 쌍 분석을 완료하는 방법에는 여러 가지가 있습니다.Anova Matched Pairs 분석은 자체 스케일로 데이터를 표시합니다.모델에서 가장 큰 효과는 샘플 ID(또는 블록)입니다.샘플 ID 효과를 제거한 후 평균 Till 방법의 차이는 0.036696 = (0.018348 - -0.018348)입니다. 차이의 제곱합 SS는 0.0047133입니다(자유도가 1뿐이므로 MS이기도 합니다). 그리고 MS 오류는 0.00055입니다(sqrt는 차이의 std dev 추정치임). 자유도가 1과 6인 F 비율은 8.56963(8.570)이며 통계적으로 0과 다릅니다.
처리 효과가 디스플레이에 표시되지 않는 이유는 ID 변동성이 처리 효과의 100배 이상이기 때문입니다. 아래에서는 테이블 구성 방식에 따라 달라지는 몇 가지 대체 방법을 설명합니다.
- 각 행은 2개의 열(1-Till 및 No-Till)이 있는 쌍을 나타냅니다. (이것은 종종 쌍/다변량/상관 레이아웃이라고 합니다. 차이를 계산하고 차이를 분석하여 0과 같은지 테스트합니다. 저는 ID별로 차이를 표시하고 분포를 사용하여 차이가 0인지 테스트하는 것을 좋아합니다.
- 동일한 테이블 레이아웃, Fit Y by X를 사용하고 Y에는 No-Till을 사용하고 X에는 1-Till을 사용합니다. 그런 다음 페어링된 t-테스트를 요청합니다. 이렇게 하려면 SHIFT 키를 누른 상태에서 빨간색 메뉴를 선택하면 paired t-test 옵션이 표시됩니다.
- 샘플 ID에 대한 열과 처리에 대한 열이 있는 테이블이 누적됩니다. (이것은 종종 ANOVA 레이아웃이라고 합니다).Analyze Fit Y by X를 사용하십시오. Y는 반응이고 X는 처리입니다. 그런 다음 일치하는 쌍을 선택하고 ID 열을 선택하십시오. 이것이 당신이 사용한 것입니다.
귀하의 데이터가 없으므로 Dogs.jmp를 사용하여 단일 대시보드에 표시되는 3가지 JMP 플랫폼 방법을 시연하겠습니다.메모:
- 세 가지 모두 동일한 통계적 유의성을 갖습니다 0.0049
- 두 개는 t-테스트(3.29676)를 사용하고 세 번째는 t의 제곱인 F 비율(10.868)입니다. 자유도가 (1, df)인 F는 자유도가 df인 at 통계의 제곱입니다.
- 평균 차이(1.20195)는 두 치료 추정치의 차이와 같습니다.
- 3차 분석은 LogHist0과 LogHist1을 쌓았으며 쌓인 열을 Data라고 하고 변수 이름을 Label이라고 합니다.
- 처음 두 메서드는 테스트를 나타내는 회색 선(Y==X 및 Diff==0 선)을 표시합니다. 둘 다 95% 신뢰 구간을 벗어나므로 통계적으로 유의합니다.
이러한 그래프는 모두 Dogs.jmp 샘플 데이터의 원래 척도에 있으며 처리 효과가 ID(차단) 효과보다 크기 때문에 괜찮습니다.그러나 이러한 사진은 여전히 내가 선호하는 디스플레이가 아닙니다. 아래를 참조하십시오.
2개의 열이 있는 Dogs.jmp 레이아웃을 사용하여 쌍을 이룬 차이를 계산합니다(이미 표에 있음). 이제 사용 분포 평균이 0인지 테스트합니다. 또한 차이의 대략적인 정규성을 확인합니다.0과 비교한 평균의 T-테스트는 위의 처음 2개 테스트와 동일한 t-통계량입니다. 그러나 데이터는 정상이 아닙니다(길쭉한 상자 그림 및 데이터 간격).데이터의 ID 및 기타 요소별로 차이를 플로팅합니다. 이 데이터 세트에서 의약품 그리고 데프 . 이 유형의 그림은 이상치 및 기타 효과를 감지할 수 있습니다.
데이터의 경우 처리별로 응답을 분할하고 그룹화를 위해 ID를 사용합니다. 쌍을 이룬 차이를 계산합니다. 그리고 분포 및 Diff by ID 그래프를 실행합니다.또 다른 접근 방식은 ID로 응답 평균을 계산하는 수식을 사용하여 새 열을 만드는 것입니다(ID 평균). 그런 다음 응답에서 ID 평균을 뺀 값을 계산합니다. 나는 이것을 블록 정렬 데이터라고 부른다. 이 데이터를 일치하는 쌍 차이에 대해 두 가지 평균 다이아몬드 등으로 사용하십시오(테이블을 분할할 필요가 없음).
미니 통계 강의가 도움이 되었기를 바랍니다.
오 테스트가 통계적으로 0과 다른 동안 마지막으로 언급할 사항은 평균 차이가 귀하의 작업에 실질적으로 중요한지 여부입니다.
