Déterminer l'importance de la différence entre les différences de pourcentageJ'ai quatre ensembles de données provenant de deux expériences : un ensemble de mesures "avant" et un ensemble de mesures "après" pour chaque expérience. Pour chaque expérience, j'ai calculé une différence en pourcentage entre la moyenne des données "avant" et la moyenne des données "après". J'aimerais savoir si la différence entre la différence en pourcentage calculée pour l'expérience 1 et la différence en pourcentage calculée pour l'expérience 2 est significative. Cela peut-il être fait dans JMP ? Si oui, quelqu'un peut-il indiquer comment cela pourrait être fait?
Pour le contexte/exemple, disons que la différence en pourcentage entre les moyennes des données avant et après dans l'expérience 1 est de 30 % et la différence en pourcentage entre les moyennes des données avant et après dans l'expérience 2 est de 33 %. J'ai l'impression qu'une différence de 33 % n'est pas significativement différente d'une différence de 30 %, mais est-ce même une question statistique valable ? J'ai essayé de chercher sur Google une réponse à cette question et je n'ai pas réussi, mais un collègue a recommandé JMP pour ce type d'analyse.
Re : Déterminer l'importance de la différence entre les différences de pourcentageMark Bailey a absolument raison, vous devez travailler avec les données des observations et pas seulement avec une statistique récapitulative agrégée.
Le fichier joint est un fichier journal avec des notes d'analyses appariées à l'aide de la table JMP Sample Data Dogs.jmp. Comme je l'ai fait dans JMP 14, je joins également un fichier .pdf, au cas où vous auriez une ancienne version de JMP et qu'elle ne s'ouvrira pas.
Lisez les notes. J'espère que cela vous donnera quelques idées sur les graphiques et les analyses JMP à utiliser.
Bonne chance.
Re : Déterminer l'importance de la différence entre les différences de pourcentageVous utilisez une terminologie de manière ambiguë, mais ce n'est pas grave. Sans voir votre conception ou vos données, je ne peux que donner quelques réflexions.
Généralement, il est préférable de travailler avec les données brutes plutôt qu'avec les données réduites. Par exemple, analysez les mesures, pas le changement en pourcentage. Par exemple, analysez les mesures, pas leurs moyennes.
L'analyse de ces données implique généralement un modèle linéaire. Si vous avez un facteur, vous pouvez utiliser Analyser > Ajuster Y par X . Si vous avez plus d'un facteur, utilisez Analyser > Ajuster le modèle .
Voir Aider > Livres > Conception d'expériences pour des exemples d'expériences et d'analyses. Regarde aussi Aider > Livres > Analyse de base ou Ajustement de modèles linéaires pour plus de détails sur l'analyse de régression.
