Hallo Leute,
Ich hoffe, dass es innerhalb des Anpassungsmodells einen Test gibt, der einen „p-Wert“ zur Beobachtung der Daten in der Stichprobe zurückgeben kann, wenn der Populationsmittelwert ein bestimmter Wert wäre.
Wenn ich ein REML-Modell für die Daten ausführe, mit denen ich arbeite, erhalte ich die folgenden kleinsten quadratischen Mittelwerte:
Was ich tun möchte, ist zu testen, ob der Bevölkerungsdurchschnitt für jede dieser Ebenen Null ist. Ich kann das sagen, weil das 95% -Konfidenzintervall nicht für alle vier Ebenen Null enthält, die p> 0,05 sind. Ich hoffe jedoch herauszufinden, wie viel kleiner. Offensichtlich wird p für die Stufe "faltiger NS" größer sein als für die Stufe "Ahne".
Ich habe die Menüs und Hilfebildschirme durchgesehen und kann keinen Weg finden, dies zu tun. Mein Chef (der JMP im Allgemeinen besser kennt als ich) schlug vor, basierend auf dem Standardfehler, dem 95% -Konfidenzintervall und den Freiheitsgraden vom Test mit festen Effekten das Konfidenzintervall „rückgängig zu machen“.
Wenn ich den Faktor zum Multiplizieren des Standardfehlers mit einem 95% -Konfidenzintervall mit diesen Freiheitsgraden berechne, sollte ich im Wesentlichen herausfinden können, welches% -Konfidenzintervall nur Null ausschließen würde, und das würde mir den p-Wert geben Ich suche nach.
Das klingt machbar, aber ich hoffe, es gibt einen einfacheren Weg. Hat jemand Vorschläge? Lassen Sie mich wissen, ob weitere Informationen helfen würden.
Vielen Dank für jede Hilfe!
Ich denke, dass Sie eine verwenden können t -Test hier. Der Zähler ist die alternative Hypothese minus der Nullhypothese und der Nenner ist der Standardfehler der Schätzung. Die Probe t Verhältnis für Level = Vorfahr ist (2,3213706-0) / 0,25634312 = 9,0557164. Bestimmen Sie dann die Wahrscheinlichkeit eines mindestens so großen Wertes aus dem t kumulative Verteilungsfunktion mit den entsprechenden Freiheitsgraden, in diesem Fall 4,157. Sie können alle diese Informationen berechnen, indem Sie ein Skriptfenster öffnen (auswählen Datei> Neu> Skript ) und geben Sie den folgenden Code ein:
p value = 1 - t Distribution( (2.3213706 - 0) / 0.25634312, 4.157 );
Ich habe auch die Berechnung des 95% -Konfidenzintervalls hinzugefügt. Ich bekomme diese Antwort:
Beachten Sie, dass die kleinen Unterschiede auf die gerundeten Werte im JMP-Fenster zurückzuführen sind. Ich habe nicht die vollen Präzisionsergebnisse, mit denen ich arbeiten kann. Es macht einen großen Unterschied, wenn Sie in den Schwänzen der Distribution sind.
OK, das sieht so aus, als würde es großartig funktionieren. Vielen Dank!
