여보세요,
JMP에서 차이 계산의 차이를 어떻게 수행 할 수 있습니까?
감사,
네
안녕하세요 @NeF
범주형 응답의 경우 내 동료 @Mark_Bailey 가 이 게시물에서 이 문제를 매우 잘 해결해야 합니다. 3개 이상의 그룹이 있는 각 범주형 데이터 쌍 간의 차이점을 확인하는 방법
연속형 반응의 경우 차이(DID 또는 DD)의 차이는 두 범주형 변수(각 변수가 두 수준으로만 구성됨) 간의 상호 작용을 테스트하는 것일 뿐입니다.
이를 위해 JMP의 모형 적합 플랫폼을 사용합니다. Y에 대한 Age와 Condition 사이의 관계를 살펴보는 다음의 간단한 예를 살펴보겠습니다.
나는 연령(중간 대 젊은)과 연령 내 조건(1 대 2)을 가지고 있습니다.
조건 1 대 2에서 연령 = 중년 간의 차이가 조건 1 대 2에서 연령 = 중년 간의 차이와 다른지 테스트하는 데 관심이 있다고 가정해 보겠습니다. 다르게 말하면, 연령 간의 차이에 대한 가설 테스트를 구성하고 싶다고 가정해 보겠습니다. Y 응답과 관련하여 중간(2 - 1) 및 연령이 더 어림(2 - 1)?
다시 한번 말씀드리지만 이는 Y의 Age와 Condition 사이의 상호 작용에 대한 테스트일 뿐입니다. JMP에서는 이 상호 작용을 "Age*Condition"이라는 용어로 포착합니다.
이를 위해 모델 적합으로 이동하여 연령 효과, 조건 효과 및 조건별 연령 상호 작용 효과를 추가하는 모델을 구성하겠습니다. 익숙하지 않은 경우 이 비디오 에서 이를 수행하는 방법을 확인할 수 있습니다.
이 경우의 결과는 DID가 0.05 알파 수준에서 통계적으로 유의하다는 것을 나타냅니다. 실제로 말하면, 조건(2 대 1)이 연령 수준(젊음 대 중간)에 따라 달라지는 정도는 통계적으로 유의미합니다. 그래픽적으로 이는 아마도 더 직관적이며 모델 적합 출력(효과 활용 보고서)에서 시각화될 수 있습니다.
연령 '제거' 조건의 평균 효과를 도식적으로 표현하면 이 효과에 대한 오차 막대를 근사화하면 이 효과가 통계적으로 유의하다는 것을 알 수 있습니다(각 조건별 연령 수준에서 그려진 오차 막대와 대략 유사함). 
비중첩 신뢰 구간은 통계적으로 유의미한 p-값(즉, p-값 < 알파 수준, 일반적으로 0.05)이 그러한 증거를 제공하는 것과 거의 동일한 방식으로 모집단에 효과가 있다는 증거를 제공합니다. 이는 2-표본 t-검정의 "신뢰 구간 버전"입니다(Bluman, Elementary Statistics(7판), 2015 참조).
도움이 되었기를 바랍니다! @PatrickGiuliano
