Hola,
¿Cómo puedo realizar la diferencia en el cálculo de diferencia en JMP?
Gracias,
Nebraska
Hola @NeF
Para obtener una respuesta categórica, mi colega @Mark_Bailey debería abordar esto muy bien en esta publicación: Cómo determinar diferencias entre cada par de datos categóricos con más de 3 grupos
Para una respuesta continua, la diferencia de las diferencias (DID o DD) es solo una prueba de la interacción entre dos variables categóricas (donde cada variable consta de solo dos niveles).
Para hacer esto, utilizará la plataforma Fit Model en JMP. Considere el siguiente ejemplo sencillo, observando la relación entre Edad y Condición en Y:
Tengo Edad (Media vs Menor) y Condición dentro de Edad (1 vs 2).
Supongamos que estoy interesado en probar si la diferencia entre Edad = Media en la Condición 1 vs 2 es diferente de la diferencia entre Edad = Más joven en la Condición 1 vs 2. Dicho de otra manera, supongamos que quiero construir una prueba de hipótesis sobre la Diferencia entre Edad ¿Media (2 - 1) y Edad más joven (2 - 1) en relación con la respuesta Y?
Nuevamente, esto es solo una prueba de la interacción entre Edad y Condición en Y. En JMP, esta interacción se captura mediante un término que se denomina "Edad*Condición".
Para hacer esto, entraré en Ajustar modelo y construiré un modelo agregando el efecto Edad, el efecto Condición y el efecto Edad por interacción condición. Puedes ver cómo hacer esto en este video si no estás familiarizado.
Nuestros resultados en este caso indican que el DID es estadísticamente significativo en el nivel alfa de 0,05. Dicho de manera práctica, el grado en que la condición (2 versus 1) depende del nivel de edad (más joven versus mediana) es estadísticamente significativo. Gráficamente, esto es quizás más intuitivo y se puede visualizar en el resultado de Ajustar modelo (en el informe Apalancamiento de efectos):
Si representamos esquemáticamente el efecto promedio de la Condición 'eliminatoria' de la Edad, podemos ver que este efecto es estadísticamente significativo si aproximamos las barras de error de este efecto (como si fueran más o menos similares a las barras de error dibujadas en cada Nivel de Condición por Edad). 
Los intervalos de confianza que no se superponen nos brindan evidencia de un efecto en la población de la misma manera que un valor p estadísticamente significativo (es decir, un valor p < el nivel de alfa, típicamente 0,05) nos brinda dicha evidencia. Esta es la "versión del intervalo de confianza" de una prueba t de 2 muestras (ver Bluman, Elementary Statistics (7.a edición), 2015).
¡Espero que esto ayude! @PatrickGiuliano
