Ich habe eine Datei mit Daten von 260 Personen, die mehr oder weniger in diesem Format aussehen (aber mehr Parameter):
| | Personen-ID | Geschlecht | Altersgruppe | Proteinaufnahme | kcal | |
| 1 | 1 | Männlich | Kinder | 33 | 107 | |
| 2 | 2 | Weiblich | Erwachsene | 52 | 220 | |
| 3 | 3 | Weiblich | Alten | 50 | 150 | |
| 4 | 4 | Männlich | Erwachsene | 75 | 175 | |
Die Daten sind nicht normal verteilt und ich habe eine Verteilungsanalyse durchgeführt. Außerdem habe ich die Daten zwischen Männchen und Weibchen sowie zwischen Altersgruppen verglichen und ps für paarweise berechnet
Ich weiß, dass die Daten nicht normal verteilt sind und nicht-parametrische Tests entbeint werden müssen
Ich habe die Daten für das Geschlecht verglichen.
Und ich habe auch Daten für verschiedene Altersgruppen (Kategorien) aufgetragen und verglichen.
Aber dann möchte ich die Daten gleichzeitig in Alterskategorien UND Geschlecht aufteilen und habe nicht herausgefunden, wie man das in JMP macht, ohne die Daten in eine Datei für Männer und eine für Frauen aufzuteilen
Gunnar
Gunnar
Ich weiß, dass die Daten nicht normal verteilt sind und nicht-parametrische Tests entbeint werden müssen
Ich habe die Daten für das Geschlecht verglichen.
Und ich habe auch Daten für verschiedene Altersgruppen (Kategorien) aufgetragen und verglichen.
Aber dann möchte ich die Daten gleichzeitig in Alterskategorien UND Geschlecht aufteilen und habe nicht herausgefunden, wie man das in JMP macht, ohne die Daten in eine Datei für Männer und eine für Frauen aufzuteilen
Sie sollten in der Lage sein, die von Ihnen erwähnten separaten Analysen „männliche und weibliche Jugendliche, männliche und weibliche ältere Menschen usw.“ durchzuführen, indem Sie diese Spalten als „Nach“-Spalten in den von Ihnen ausgeführten Analyse- und Grafikplattformen angeben. Im folgenden Beispiel werden „Alter“ und „Geschlecht“ zu einer einfachen Y-mal-X-Anpassung für „Größe“ vs. „Gewicht“ hinzugefügt.
Gunnar
Zunächst einmal, warum ist die Normalverteilung wichtig für die Reaktion in dieser Studie?
Die Analyse der Auswirkungen von Variablen ist nicht effizient. Wenn Sie jedoch auf diese Weise fortfahren möchten, verwenden Sie die Analyserolle Nach. Geben Sie für Ihre Analyse Geschlechts- und Alterskategorien in diese Rolle ein.
Sie könnten die effizientere und aussagekräftigere Analyse in Betracht ziehen, bei der Sie beide Variablen im linearen Prädiktor verwenden. Sie könnten dann auch einen Begriff für den möglichen Interaktionseffekt einfügen, bei dem sich die Wirkung eines Faktors (z. B. Altersgruppe) in Abhängigkeit von der Höhe des anderen Faktors (z. B. Geschlecht) unterscheidet. Verwenden Sie für diesen Ansatz Analysieren > Modell anpassen.
Die resultierende Fit-Least-Squares-Plattform bietet eine Regressionsdiagnose basierend auf den Residuen. Das Modell geht davon aus, dass die Fehler normalverteilt (nicht die Antwort selbst) und unabhängig sind.
