두 선형 선 간의 차이의 중요성을 비교하는 방법안녕. 작업 듀티 사이클에 대한 화학적 농도 변화(이상적인 경우와 실제 사례)를 나타내는 2개의 선형 선이 그려져 있는데 2개의 선형 선이 서로 겹치지 않는 것을 발견했습니다. JMP 분석을 사용하여 두 추세에 큰 차이가 있는지 여부를 표시하는 방법은 무엇입니까? 감사합니다.
Re: 두 선형 선 간의 차이의 중요성을 비교하는 방법저도 이런 식으로 데이터를 분석했는데, 같은 결과를 얻었습니다.
p-값 = 0.4 근무 의무 * 사례 이는 상호 작용 효과가 null이므로 두 경우의 기울기가 동일하다는 것을 의미합니다. 이제 이 항을 제거하여 새 모델을 생성할 수 있습니다.
사실은 사례 항이 유의하다(p-값 = 0.007)는 두 사례의 y절편이 서로 다르다는 것을 의미합니다. 따라서 두 사례는 서로 상쇄되는 평행 추세선(공통 기울기)을 생성합니다. 사례 기간 추정치를 다음 추정치에 추가합니다. 가로채기 특정 사건에 대한 차단을 얻기 위해. 그만큼 가로채기 0(p-값 = 0.38)과 크게 다르지 않으므로 사례 추정치는 각 사례에 대한 절편입니다. 실제 사례의 절편은 -0.29이고 이상적인 사례는 0.29입니다.
물론 근무 의무에 대한 중요한 용어는 집중도가 이 요소와 선형적으로 관련되어 있음을 의미합니다. 선의 기울기입니다.
Re: 두 선형 선 간의 차이의 중요성을 비교하는 방법안녕 마크,
다시 한 번 도움을 주셔서 감사합니다. 정말 감사드립니다 
귀하의 방법을 사용하여 데이터를 분석했으며 여기에 효과 테스트가 있습니다. Prob > F
결과. 아래에 제가 이해하지 못하는 몇 가지 질문을 올렸습니다.
근무 의무(<0.0001*) ~ 이 중요한 의미가 무엇인지 알 수 있습니까?
차이점?
사례(0.0067*) ~ 이 중요한 의미가 무엇인지 알 수 있습니까?
차이점?
업무*사례(0.4079) ~ 교호작용효과는 유의미하지 않음
차이점
감사합니다.
Re: 두 선형 선 간의 차이의 중요성을 비교하는 방법통계학자들이 공분산 분석(ANCOVA)이라고 부르는 것을 사용할 수 있습니다. X, Y 및 그룹화 변수에 대한 열을 갖도록 데이터를 정렬합니다. 분석 > 적합 모델을 선택합니다. Y 역할에 응답 데이터 열을 입력합니다. X 및 그룹화 데이터 열을 선택하고 매크로를 클릭한 후 전체 요인을 선택합니다. 이제 실행을 클릭하세요. 효과 테스트 표를 살펴보세요. 교차항(상호작용 효과)이 중요하지 않은 경우 두 그룹의 기울기는 동일합니다. 그룹화 항이 중요하지 않은 경우 절편은 두 그룹 모두에서 동일합니다.
