<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Sur Twitter plus tôt dans la journée, quelqu'un a demandé si le test de l'odds ratio (OR) Cochran-Mantel-Haenszel (CMH) était disponible dans JMP lorsque la variable de stratification n'était pas le X dans Fit Y de X. À chaque fois que je dois passer de deux variables à plus de deux variables, le premier endroit où je regarde est Fit Model. La beauté du modèle d'ajustement réside dans le fait que non seulement je peux utiliser autant de variables que je le souhaite, mais que je peux également considérer les interactions entre les variables. Pour utiliser Fit Model, choisissez la réponse (catégorique) en tant que Y et toutes les autres variables en tant que X. Dans de nombreux cas, vos données sont agrégées en comptes. Si cela est vrai, n'oubliez pas d'identifier la colonne count comme Freq. Une fois que vous avez adapté le modèle, les rapports de cotes sont disponibles dans la zone de choix.
J'ai joint un exemple à l'aide d'un simple tableau à trois voies tiré de Introduction à l'analyse de données catégoriques d'Agresti. Je l'ai analysé de deux manières. Premièrement, j'ai traité les strates supplémentaires (ville) en tant que facteur. Lorsque je le fais, je peux calculer les rapports de cotes pour chaque paire de combinaisons de villes possible. Deuxièmement, j'ai utilisé city comme variable variable. Cela traiterait les données de chaque ville comme un ensemble de données indépendant. Bien que je n’ai pas inclus l’interaction City * Smoker (ce n’était pas significatif), j’ai pu la regarder.
