対応のある t 検定
こんにちは。1) 無肥料と 2) 肥料の 2 つの処理を比較したいと思います。 施肥により収量が増加するかどうか知りたかったのです。 2 つの平行なブロックが選択され、最初のブロックでは肥料が適用されませんでしたが、2 番目のブロックでは肥料が適用されました。 各ブロックから 15 個のサンプルが採取されました。 対応のある t 検定を使用したいのですが、JMP にはさまざまな方法があります。 ディストリビューションを使用してからテスト手段を使用することを考えました。 私の質問は、「頻度」の列「n」を追加するのは正しいですか？ その理由、あるいはそうでない理由を説明してください。 データ分析で n を頻度として使用すると、自由度が 14 から 29 に増加するにつれて結果が変化します。 
Re: 対応のある t 検定p値を2で割るRe: 対応のある t 検定上部裾検定の実行方法Re: 対応のある t 検定ありがとう
いいえ、フィールドはペア内で均一ではありませんでした。私たちはそれを想定しますが、決してそんなことは起こりません。 なぜなら、フィールドは非常に変化しやすいからです。 したがって、この場合、2サンプル t 検定または対応のある t 検定を使用する必要があります。
Re: 対応のある t 検定ブロックの説明が黄色と青なので、ブロック（ペア）は意味がありません。
カットされた種子と全種子の植え付けが互いに隣接して行われたが、12 個のストリップが変数フィールド上で分離されている場合、ブロック (ペア) は意味を持ちます。 フィールドはペア内で均一ですか? その仮定が重要です。
CONTROL と WHOLE SEED の 2 つの応答列以外は必要ありません。 「分析」メニューの「一致ペア」プラットフォームを使用します。 Y ロールの両方のデータ列を上記の順序で入力します。 この分析には他のデータ列を入力しないでください。
種子全体の処理でより高い収量が期待されるようです (対立仮説) ため、上部の対応のある t 検定が必要です。
Re: 対応のある t 検定Gosset's Corn の同じ積み上げデータ テーブルを使用して、Fit Y by X で同じ p 値を取得する方法を次に示します。
Re: 対応のある t 検定以下は、JMP のサンプル データ ライブラリにある Gosset のトウモロコシ データを使用した例です。ペア ID 列を追加し、2 つの収量列 (Kiln と Regular) をスタックして長いデータ形式にしました。ペア ID 列に名目上のモデリングタイプ。
フィットモデルから:
1. Yield 列を応答変数 Y として追加します。
2. [処理] 列と [ペア] 列を [モデル効果の構築] ボックスに追加します。
3. [モデル効果の構築] ボックスで [ペア] を選択 (ハイライト) し、[属性] の赤矢印 > [ランダム] をクリックしてランダムにします。
収量の p 値が、元のより広い形式の同じデータの一致ペア プラットフォームと同じ p 値であることがわかります。
Re: 対応のある t 検定
Field MapField Mapフィールドマップ
ハイマーク、
私たちは、ジャガイモの 2 つの種子タイプ (カット種子を植える場合と全種子を植える場合) を比較したいと考えました。 カットシードが対照として使用されるのが一般的です。 この試験は栽培者の圃場で実施されました。 圃場は 2 つの細長いブロックに分割され、最初のブロック (黄色) には対照 (カット種子) が植えられ、2 番目のブロック (水色) には種子全体が植えられました。 これらのストリップブロックは実に長い 400 フィートです。 合計 24 個のサンプル (各ストリップ ブロックから 12 個) が採取されました。各サンプルは長さ 10 フィートの畝状区画から収穫され、収量をエーカーあたりの CWT に換算しました。 フィールドの変化は大きかった。 試験は栽培者の圃場で実施されました。 したがって、治療法をランダム化することはできませんでした。 分布と検定平均を組み合わせた t を使用してデータを分析しました。以下を参照してください。
私の質問：
対応のある t 検定を使用する必要があることを理解しています。
偉大な統計学者の 1 人は、追加の列頻度を作成し、それを分析に使用するべきだと提案しました。 周波数を使用した場合と使用しない場合のデータを分析しました。
どの方法が間違っているのか、またその理由を知りたかったのです。
どの方法が正しいのでしょうか？
よろしくお願いいたします。
よろしくお願いします
以下の結果を参照してください: 有意です P >0.0232
- 差分と頻度の列を作成しましたが、今回は頻度の列を使用しませんでした。
結果は以下を参照: 有意でない P >0.1208
Re: 対応のある t 検定サンプルのペアリングの根拠を明確にしてください。 2 つのサンプルはどのように組み合わせられたのでしょうか?
Re: 対応のある t 検定改めて、本当にありがとうございました。
申し訳ありませんが、次の点について説明していただけますか。
1. #4 でランダム効果として rep を使用するにはどうすればよいですか? 表も含めて説明していただけますか。
2. ペア ID 列をブロックとして Y by X にフィットすることを説明する別の表を含めていただけますか。
Re: 対応のある t 検定#4 では、他の方法と同等の結果を得るために、ランダム効果として Rep を使用する必要があります。実際には別の方法があります。それは、Distribution プラットフォームで Diff 列をプロットし、1 サンプルの t 検定を実行することです。それらはすべて同じ答えを返すはずなので、それらは同等に優れていると言えます。マッチド ペア プラットフォームはこの問題に特化しているため、レポートで最も専門的/関連性の高い出力が得られます。ただし、そのプラットフォームでは、データが通常の「長い」形式とは異なる形式である必要があります。テーブルを適切な形状にするためにテーブルを分割することを避けたい場合は、ペア ID 列をブロックとして [Y by X にフィット] を使用するか、ペア ID 列にランダムな効果を与えて [モデルにフィット] を使用します。
Re: 対応のある t 検定早速のご返信ありがとうございます。 対応のある t 検定は次の 4 つの方法を使用して実行できることを理解しています。 4 つの方法すべてが同等に優れているかどうか疑問に思っています。 そうでない場合、どれが最適ですか?またその理由は何ですか? 同じ結果が得られました。
1. 分析 > 分布平均検定
2. 特化したモデリングと一致するペアの分析
3. Y を X でフィット > 平均を比較 > 各ペア、学生の t 検定 - 詳細な比較レポート
4. 二元配置分散分析を行うためのモデル プラットフォームの適合
Re: 対応のある t 検定いいえ、頻度列を追加しないでください。各ペアは、対応のある t 検定の 1 データ ポイントです。対応のある t 検定は、対応のある差に関する 1 サンプルの t 検定と数学的に同等です。
