斜率比較：病例比1：1比較複雜你好，
我希望得到一些我想像中JMP可以處理的問題的幫助，但是我目前沒有足夠的經驗來做自己...
我試圖比較回歸線的斜率，並且在比2個斜率的簡單1：1比較更複雜的情況下，對得到的p值進行顯著差異的測試。
為了使我更容易描述問題，然後理解和解釋建議，我附上了一個JMP文件，其中包含問題的典型數據佈局。 該問題來自製藥工業，並且涉及在應激條件（3個獨立溫度，5,25和40℃）之後隨時間推移的藥物產品的降解速率斜率的比較。 斜率比較是在兩個站點/位置中的每一個處產生的批次之間。 問題是在第1批和第2批之間是否存在特定溫度（5℃，第一種情況，然後分別為25和40℃）的特定降解參數（此處給出的參數1-3的數據）的斜率的顯著差異（同樣適用於批次3與批次4）。
我似乎得到了簡單情況的預期結果（即，僅批次1與批次2）但不涉及來自站點的> 1批次（即，此處給出的多個產品強度），表明需要匯集數據或錯誤，我不是在做。 在這些情況下，我們可以假設強度不同的批次在化學上是可比較的（並且可能是合併的，因此批次1和3，以及2和4或可能是所有4批次）。
我確信存在對批量數據/錯誤匯集的可接受性的測試，之後可以以類似於1：1的簡單案例的方式分析模型，但是，我不知道在這條路上開始的方法...
任何關於一般策略的想法（當匯集允許等）以及JMP中的特定步驟來進行這些類型的更複雜的比較和監視或測試假設時將非常感激。
Re：比較斜率：比1：1比較複雜的情況我建議您使用Variability Graph全局查看數據。 第一個圖描繪了參數＃3。降解並不完全是線性的。 圖2描繪了參數＃1，但是，我將Timepoint拖動為第一個分組變量。 第6週的結果看起來很棒。如果這看起來不像隨機變化，但可能是計量或校準錯誤？
我喜歡在開始任何分析之前先查看數據，以查找數據異常。附加了可變性圖的腳本。
Figure 1 - Parameter #3圖1 - 參數＃3
Figure 2 - Parameter #1, see week 6圖2 - 參數＃1，見第6週
Re：比較斜率：比1：1比較複雜的情況我建議您使用Fit最小二乘（ 分析 > 適合模型 ）使用線性預測器，包括截距，X，批處理和X *批處理。該模型將測試X的斜率是否取決於批次。如果是，那麼您可以使用事後測試詢問特定批次。
看到救命 > 圖書 > 擬合線性模型更多細節。
