Cómo comparar el significado de diferentes entre 2 líneas linealesHola. Tengo 2 líneas lineales trazadas, lo que es un cambio de concentración química (caso ideal vs. caso real) contra los ciclos de trabajo, y encontré que 2 lineales no se superponían entre sí. ¿Cómo usar el análisis JMP para mostrar que ambas tendencias tienen una diferencia significativa o no? Gracias.
Re: Cómo comparar significados de diferentes entre 2 líneas linealesTambién analicé sus datos de esta manera y obtuve los mismos resultados.
El valor de p = 0.4 para caso de trabajo * significa que el efecto de interacción es nulo, por lo que la pendiente para ambos casos es la misma. Ahora puede eliminar este término para producir un nuevo modelo.
El hecho de que el caso el término es significativo (valor de p = 0,007) significa que los dos casos tienen una intersección en y diferente. Así que los dos casos producen líneas de tendencia paralelas (pendiente común) que se compensan entre sí. Usted agrega la estimación del término del caso a la estimación para el interceptar Para obtener la intercepción de un caso particular. los interceptar no es significativamente diferente de 0 (valor de p = 0,38) por lo que caso estimación es la intercepción para cada caso. La intercepción para el caso real es -0.29 y el caso ideal es 0.29.
El término significativo para el trabajo de trabajo, por supuesto, significa que la concentración está relacionada linealmente con este factor. Es la pendiente de la recta.
Re: Cómo comparar significados de diferentes entre 2 líneas linealesHola, Mark,
Gracias por su ayuda de nuevo, muy apreciado que 
Analicé los datos utilizando su método y aquí está la prueba de efecto Prob> F
resultados He puesto algunas preguntas a continuación que no entiendo.
Deber de trabajo (<0.0001 *) ~ ¿Puedo saber qué significa para este significativo
¿diferencia?
Caso (0.0067 *) ~ ¿Puedo saber qué significa para este significativo?
¿diferencia?
Trabajo * Caso (0.4079) ~ El efecto de interacción no tiene importancia
diferencia
Gracias.
Re: Cómo comparar significados de diferentes entre 2 líneas linealesPuede usar lo que los estadísticos llaman análisis de covarianza (ANCOVA). Organice los datos de manera que tenga una columna para su X, Y y la variable de agrupación. Seleccione Analizar> Ajustar modelo. Ingrese la columna de datos de respuesta en el rol Y. Seleccione la X y la columna de datos de agrupación, haga clic en Macros y seleccione Factorial completo. Ahora haga clic en Ejecutar. Examine la tabla de pruebas de efecto. Si el término cruzado (efecto de interacción) no es significativo, entonces la pendiente es la misma para ambos grupos. Si el término de agrupación no es significativo, entonces las intercepciones son las mismas para ambos grupos.
