こんにちは、
JMPで差分計算の違いを実行するにはどうすればよいですか？
おかげで、
ね
こんにちは@NeF
カテゴリ応答については、同僚の@Mark_Baileyがこの投稿で非常にうまく対処しているはずです: 3つ以上のグループを持つカテゴリデータの各ペア間の違いを判断する方法
連続応答の場合、差の差 (DID または DD) は、2 つのカテゴリ変数 (各変数は 2 つのレベルのみで構成されます) 間の相互作用をテストするだけです。
これを行うには、JMP の「モデルの適合」プラットフォームを使用します。Y における年齢と状態の関係を調べる次の簡単な例を考えてみましょう。
年齢（中年 vs 年下）と年齢内の状態（1 vs 2）があります。
条件 1 と 2 での Age = Middle の違いが、条件 1 と 2 での Age = Younger の違いと異なるかどうかをテストすることに関心があるとします。言い換えると、Y 応答に関連して Age Middle (2 - 1) と Age Younger (2 - 1) の違いに関する仮説検定を構築したいとします。
繰り返しますが、これは単に、Y における年齢と状態の間の相互作用をテストするだけです。JMP では、この相互作用は「年齢*状態」として示される項によって捕捉されます。
これを行うには、「モデルの適合」に進み、「年齢効果」、「状態効果」、「状態による年齢の相互作用効果」を追加してモデルを構築します。詳しくは、 このビデオをご覧ください。
この場合の結果は、DID が 0.05 アルファ レベルで統計的に有意であることを示しています。実際的に言えば、状態 (2 対 1) が年齢 (若年対中年) のレベルに依存する度合いは統計的に有意です。これはグラフで見るとより直感的であり、適合モデル出力 (効果レバレッジ レポート内) で視覚化できます。
年齢による条件の「排除」の平均効果を図式的に表すと、この効果のエラー バーを近似すると (各条件と年齢のレベルで描画されたエラー バーとほぼ同じ)、この効果が統計的に有意であることがわかります。
重複しない信頼区間は、統計的に有意な p 値 (つまり、p 値 < アルファ レベル、通常は 0.05) がそのような証拠を与えるのとほぼ同じ方法で、母集団における効果の証拠を与えます。これは、2 サンプル t 検定の「信頼区間バージョン」です (Bluman、Elementary Statistics (第 7 版)、2015 を参照)。
これが役に立つことを願います！ @PatrickGiuliano
