斜率比较：病例比1：1比较复杂你好，
我希望得到一些我想象中JMP可以处理的问题的帮助，但是我目前没有足够的经验来做自己...
我试图比较回归线的斜率，并且在比2个斜率的简单1：1比较更复杂的情况下，对得到的p值进行显着差异的测试。
为了使我更容易描述问题，然后理解和解释建议，我附上了一个JMP文件，其中包含问题的典型数据布局。 该问题来自制药工业，并且涉及在应激条件（3个独立温度，5,25和40℃）之后随时间推移的药物产品的降解速率斜率的比较。 斜率比较是在两个站点/位置中的每一个处产生的批次之间。 问题是在第1批和第2批之间是否存在特定温度（5℃，第一种情况，然后分别为25和40℃）的特定降解参数（此处给出的参数1-3的数据）的斜率的显着差异（同样适用于批次3与批次4）。
我似乎得到了简单情况的预期结果（即，仅批次1与批次2）但不涉及来自站点的> 1批次（即，此处给出的多个产品强度），表明需要汇集数据或错误，我不是在做。 在这些情况下，我们可以假设强度不同的批次在化学上是可比较的（并且可能是合并的，因此批次1和3，以及2和4或可能是所有4批次）。
我确信存在对批量数据/错误汇集的可接受性的测试，之后可以以类似于1：1的简单案例的方式分析模型，但是，我不知道在这条路上开始的方法...
任何关于一般策略的想法（当汇集允许等）以及JMP中的特定步骤来进行这些类型的更复杂的比较和监视或测试假设时将非常感激。
Re：比较斜率：比1：1比较复杂的情况我建议您使用Variability Graph全局查看数据。 第一个图描绘了参数＃3。降解并不完全是线性的。 图2描绘了参数＃1，但是，我将Timepoint拖动为第一个分组变量。 第6周的结果看起来很棒。如果这看起来不像随机变化，但可能是计量或校准错误？
我喜欢在开始任何分析之前先查看数据，以查找数据异常。附加了可变性图的脚本。
Figure 1 - Parameter #3图1 - 参数＃3
Figure 2 - Parameter #1, see week 6图2 - 参数＃1，见第6周
Re：比较斜率：比1：1比较复杂的情况我建议您使用Fit最小二乘（ 分析 > 适合模型 ）使用线性预测器，包括截距，X，批处理和X *批处理。该模型将测试X的斜率是否取决于批次。如果是，那么您可以使用事后测试询问特定批次。
看到救命 > 图书 > 拟合线性模型更多细节。
