Test d'hypothèse ANOVASalut la communauté JMP !
Je me heurte à une question lors de mon projet d'analyse de données. Je veux tester si différents types de produits ont des prix statistiquement différents. J'utilise ANOVA pour faire les tests. Avant cela, j'ai créé une boîte à moustaches de prix pour différents types de produits. Je me demande si je devrais exclure les valeurs aberrantes indiquées par le boxplot avant de faire une analyse ANOVA.
Ce serait vraiment utile si vous pouviez me donner quelques idées. Merci beaucoup!
Re : Test d'hypothèse ANOVAVous pouvez essayer de transformer la réponse. Les données fortement asymétriques bénéficient souvent de la fonction logarithme naturel. Vous pouvez également analyser les données avec Fit Least Squares pour déterminer la meilleure transformation de puissance :
- Sélectionner Analyser > Ajuster le modèle
- Sélectionner Offre ouverte et cliquez Oui
- Sélectionner Article et cliquez Ajouter
- Cliquez sur Courir
- Cliquez sur le triangle rouge à côté de Réponse et sélectionnez Profilage des facteurs > Boîte Cox Transformation Y
Examinez le tracé de SSE par rapport à lambda. Si aucune transformation n'est utile, le SSE minimum doit être trouvé près de lambda = 1. Lambda = 0 est essentiellement identique à une transformation de journal. Cliquez sur le triangle rouge à côté de Box Cox et sélectionnez Enregistrer le meilleur . Maintenant, répétez votre analyse en utilisant Offre ouverte X comme réponse.
Voyez si ce changement aide à répondre aux hypothèses.
Re : Test d'hypothèse ANOVAMerci beaucoup pour votre réponse!
Je comprends que je dois vérifier si la variable dépendante est normalement distribuée et si la variance est égale. J'ai essayé le quantile normal et les variances inégales dans JMP. J'ai également joint le résultat dans ce post. Cependant, il semble que mes données ne soient pas distribuées normalement et aient des variances inégales. Je me demande comment gérer les écarts inégaux.
Re : Test d'hypothèse ANOVAj'aime vraiment le Diagramme des quantiles normaux option dans Sens Unique . Ce tracé superpose la distribution normale de chaque groupe dans le même tracé. L'ordonnée à l'origine est la moyenne et la pente est l'écart type. Vous pouvez vérifier les hypothèses ANOVA (seule la différence de population est la moyenne (déplacement vertical des lignes), les populations ont la même variance ( les lignes sont parallèles ), et vérifier les valeurs aberrantes) en même temps.
Re : Test d'hypothèse ANOVAEn plus de la perspicacité de Jim, vous souhaitez également vérifier l'hypothèse selon laquelle le la variance est constante entre les groupes parce que les modèles de test varient de cette façon et regroupent les estimations entre les groupes. Assurez-vous donc de cliquer également sur le triangle rouge à côté de Oneway et sélectionnez Écarts inégaux pour cette vérification d'une autre hypothèse importante.
Re : Test d'hypothèse ANOVAMerci beaucoup Jim! Cela aide beaucoup !
Re : Test d'hypothèse ANOVAÀ mon avis, les valeurs aberrantes ne devraient pas être éliminées, à moins qu'il n'y ait un effet causal non lié à l'analyse, qui a fait des valeurs ce qu'elles ont fini par avoir. Si non peut être trouvé, alors vous devez supposer que les valeurs font partie de votre distribution valide. Mais cela nous amène au problème suivant, ANOVA suppose que les données sont normalement distribuées. Avec des données asymétriques (des valeurs aberrantes peuvent en être la cause), les données peuvent ne pas être de forme normale. Lorsque cela se produit, vous devez chercher à normaliser les données par transformation. La plate-forme de distribution dans JMP peut vous aider à déterminer si les données sont normales ou non et, si ce n'est pas le cas, elle peut être en mesure de vous fournir une transformation que vous pouvez utiliser pour convertir en données normales pour l'analyse.
