方差不相等时的等价性检验当组的方差不相等时（来自 JMP 的“不等方差”报告下的适当测试的显着结果），是否有一种内置方式（或直接编写脚本的方式）使用类似于 TOST 的过程来测试均值的等效性。
我假设由于作为 Fit Y by X 平台中 JMP 的“等价检验”选项的一部分的 TOST 程序依赖于两个 t 检验，因此默认情况下会合并方差。
谢谢。
回复：方差不相等时的等价检验它通常并不大，但在某些情况下，它可以将 TOST 结果从低于 0.05 的显着性推高到高于显着性。 我意识到 TOST 方法的某些方面（例如设置等效阈值）可能有点随意，因此我可能会挑剔一个比我可能做出的其他选择效果更小的细节。 但是，我只是希望为某些数据设置一个固定的方法，首先比较各组的方差，然后使用合并方差检验或不假设方差相等的检验执行 TOST，以适当者为准。
我设置了一个脚本，其中当我们不假设方差相等时，确定组间差异的 90% 置信区间。 然后可以将该置信区间与使用所需等价阈值确定的区间进行比较，对等价问题给出是/否答案。 所以，如果必须的话，我可以忍受这个。 我想要改进的部分是最大 p 值的确定，以及结果的漂亮图形表示，内置的 JMP 等效测试提供了这两者。
回复：方差不相等时的等价检验方差的差异是否显着？
回复：方差不相等时的等价检验如果我在这里遗漏了什么，我深表歉意，因为我有同样的问题关于执行 TOST 测试以比较具有不等方差的两组并且我没有关注回复。 根据 JMP 等价性 TOST 检验的描述，“两个单边合并方差吨测试是针对真实差异超过阈值的零假设构建的。” 所以，我想做的就是执行完全相同的测试，但使用方差不等的 t 测试。 当使用合并方差确定或假设方差不等时，两组均值差异的置信区间略有不同。 所以我想使用适当的置信区间执行 TOST 测试。
回复：方差不相等时的等价检验从您的帖子中不清楚您将如何使用等效性测试。 在 TOST 中，我设置了上限和下限，然后我将 95% CI 放在限值上，并确保我的平均值在置信区间之间。 在分发平台中，您会得到这样的结果（如下），并且没有合并方差。 它只是单变量统计量的方差。
该图具有等效上限和下限（我将其定义为可忽略不计的差异），变量的均值在每一侧以单边 95% CI（或均值的 90% CI，同样的事情）为边界。 如果 CI 跨越等价边界，则它不等价。 测量系统越精确，我就越接近边界而不会越过它。
我可以使用 Fit Y by X 平台计算整组变量的 90% 置信区间（通过 JSL），将结果表抓取为数据表（通过 JSL）并使用图形生成器制作类似的图（保存图形脚本并也使用它。）由于等价检验将每组均值及其方差与等价限值进行比较，因此不存在方差汇集。 当我像在 t 检验中一样将组均值相互比较时，方差会合并（或不合并）。
