Ciao,
Come posso eseguire il calcolo della differenza in differenza in JMP?
Grazie,
Ne
Ciao @NeF
Per una risposta categorica, questo dovrebbe essere affrontato molto bene dal mio collega @Mark_Bailey in questo post: Come determinare le differenze tra ciascuna coppia di dati categorici con 3+ gruppi
Per una risposta continua, la differenza delle differenze (DID o DD) è solo un test dell'interazione tra due variabili categoriali (dove ciascuna variabile è composta da soli due livelli).
Per fare ciò, utilizzerai la piattaforma Stima modello in JMP. Considera il seguente semplice esempio, osservando la relazione tra età e condizione su Y:
Ho Età (Medio vs Più giovane) e Condizione all'interno dell'età (1 vs 2).
Supponiamo che io sia interessato a verificare se la differenza tra Età = Medio nella Condizione 1 vs 2 è diversa dalla differenza tra Età = Giovane nella Condizione 1 vs 2. Detto diversamente, supponiamo di voler costruire un test di ipotesi sulla Differenza tra Età Medio (2 - 1) e Età più giovane (2 - 1) in relazione alla risposta Y?
Ancora una volta, questo è solo un test dell'interazione tra Età e Condizione su Y. In JMP, questa interazione viene catturata da un termine indicato come "Età*Condizione".
Per fare ciò, andrò in Adatta modello e costruirò un modello aggiungendo l'effetto Età, l'effetto Condizione e l'effetto Interazione età per condizione. Puoi vedere come farlo in questo video se non hai familiarità.
I nostri risultati in questo caso indicano che il DID è statisticamente significativo al livello alfa 0,05. Detto in pratica, il grado in cui la Condizione (2 contro 1) dipende dal livello di Età (Più giovane vs Medio) è statisticamente significativo. Graficamente questo è forse più intuitivo e può essere visualizzato nell'output Stima modello (nel report Leva effetti):
Se rappresentiamo schematicamente l'effetto medio della condizione di 'eliminazione' dell'età, possiamo vedere che questo effetto è statisticamente significativo se approssimiamo le barre di errore su questo effetto (come se fossero più o meno simili alle barre di errore disegnate a ciascun livello di condizione per età 
Gli intervalli di confidenza non sovrapposti ci danno prova di un effetto nella popolazione più o meno allo stesso modo in cui un valore p statisticamente significativo (cioè un valore p < il livello di alfa, tipicamente 0,05) ci fornisce tale prova. Questa è la "versione dell'intervallo di confidenza" di un t-test a 2 campioni (vedi Bluman, Elementary Statistics (7a edizione), 2015).
Spero che questo ti aiuti! @PatrickGiuliano
