简单分布的优势比你好
我正在查看参加不同活动的个人的分布情况。 在这里，我正在查看“三分之二”（即一年中的第一部分、第二部分、第三部分，不确定“Tertial”是英语中的正确词），也可能是季度，Q1-Q4。
在做分布图的时候，我也可以检验概率/做一个chi-2检验，然后得到似然比，以及它的置信区间。 但是，有没有一种简单的方法可以为此计算优势比？ 也就是说，您被置于（在本例中为出生）T1 而不是 T3 的几率。 我试着环顾四周，可以在逻辑回归模型下计算优势比，但这似乎不适合这种情况？
回复：简单分布的优势比谢谢。
是的，没有找到适合这种方法的在线计算器。
我想我会为此尝试 SPSS（违背我的意愿）。
回复：简单分布的优势比据我所知，您的 OR 计算没有任何问题，但我从未将它们与边际概率一起使用，因此我不知道如何在您的案例中使用置信区间来估计 OR。
您可以将您的请求发送给 JMP 技术支持 (support@jmp.com)。
您也可以使用具有此功能的其他软件。 有很多在线计算器，但我为您找到的计算器并不适用于这种情况。 如果有 R 包，那么您可以编写一个简短的脚本，让 JMP 与 R 一起工作，为您获取结果。
很抱歉，我们没有适合您的简单易行的现成解决方案。
回复：简单分布的优势比然后，使用公式，我得到了 OR，这似乎是正确的。 然后我只需要想出使用这个集合计算 95% CI 的公式... 任何人？
回复：简单分布的优势比嗯，几乎总是。 但在该数据集中，正如您所见，T3 的概率最低但概率最高。
现在，以年龄作为协变量（作为模型效应？）它说：失败：无法降低目标函数，但可以继续，现在它有一定的意义：
回复：简单分布的优势比该模型适用于边际概率。 T3 组总是更小是真的吗？ 您可以使用 Tables > Summary 来获取 T1-T3 的总和。 这些总和就是概率的来源。 （您没有输入任何协变量，因此不会为每个分组估计概率。）
回复：简单分布的优势比感谢您的耐心等待！
嗯，我已经有了之前分析的似然比。 但是，在这种格式下，我可以使用公式自动计算 OR，（但是 OR 的 95% CI 呢？）
另外，对我来说这些没有意义：
T3不可能概率最高，人数最少？
回复：简单分布的优势比你在那里，但你仍然必须自己计算优势和优势比。 此方法只是另一种获取边际概率的方法（红色三角形 > 保存概率）。 但如果你想计算条件概率，它会变得更加有趣和有用。 名义 Logistic 仍然不会生成几率或几率比，但您可以保存概率，然后使用表格 > 摘要为剩余的手动计算获取简明的概率表。
回复：简单分布的优势比谢谢。 差不多好了...
我堆叠数据并拟合模型。 使困惑。 是否可以为整个数据集做模型？ 另外按年龄段做分析。
我并没有真正得到结果表，也没有找到任何比值比。
回复：简单分布的优势比您可以使用 Tables > Stack 命令将三个数据列 N T1 到 N T3 合并为一列，并创建第二个标签列以捕获原始列名称。 使用标签列作为响应，使用堆叠数据列作为频率。 您不需要总计数来进行分析。
逻辑回归将允许您对概率对其他变量的依赖性进行建模。 反过来，条件概率可用于计算几率和几率比（例如，不同的年龄组），就像您在上面所做的那样。
回复：简单分布的优势比是的，这就是你计算优势和优势比的方式，尽管我从来没有这样使用过。
回复：简单分布的优势比那么，是否可以使用该数据集计算优势比（即 T1 与 T3）？ 从未使用过逻辑建模..
回复：简单分布的优势比嗯.. 因此，对于 T1 到 T3，使用我的概率结果（如第一篇文章中所示）计算 OR 是：
( 0.426 / (1-0.426) ) / ( 0.258 / (1- 0.258) ) = 2.13 ?
将尝试您的第二个选项，但随后我需要重新安排所有数据并输入频率等。
回复：简单分布的优势比我会让比我知道的更多的人。 据我所知，JMP 不计算几率。 您可以根据用于检验概率的分布中的概率估计来计算它们。
脚本可以完成更多工作，但您没有提到该选项。 我假设您正在寻找交互式解决方案或带有列公式的解决方案。
另一方面，如果您在 JMP 数据表中设置示例（上图），那么您有受试者年龄（组）、运动、竞争级别和频率，您可以拟合任何您想要的逻辑模型，保存概率公式，然后使用表摘要和列公式计算优势和优势比。
回复：简单分布的优势比我能想象！
我有很多包含三组的集合，但大多数情况下我想计算你所在的几率，例如，T1 到 T3。
在原始研究和荟萃分析中，在相对年龄效应（体育或其他领域）的背景下，在查看体育参与者的 [倾斜] 分布时计算优势比是很常见的做法：
我想一样。
回复：简单分布的优势比你的问题不清楚。 你有三组的计数。 您可以计算一组的边际概率。 您可以计算一组的几率。 比值比需要一个协变量或第二个变量。 您是否有另一组外部变量不同的三组？
