組和亞組之間的比較我有一個文件，其中包含來自 260 個人的數據，這些數據或多或少採用這種格式（但參數更多）：
| | 個人編號 | 性別 | 年齡階層 | 蛋白質攝入 | 千卡 | |
| 1 | 1 | 男性 | 孩子們 | 33 | 107 | |
| 2 | 2 | 女性 | 成年人 | 52 | 220 | |
| 3 | 3 | 女性 | 老年 | 50 | 150 | |
| 4 | 4 | 男性 | 成人 | 75 | 175 | |
數據不是正態分佈的，我已經做了分佈分析。 此外，我比較了男性和女性之間以及年齡組之間的數據，併計算了成對的 ps
我知道數據不是正態分佈的，非參數測試必須去骨
我已經比較了性別的數據。
我還繪製並比較了不同年齡組（類別）的數據。
但是我想同時將數據劃分為年齡類別和性別，並且還沒有弄清楚如何在 JMP 中執行此操作，而不將數據拆分為一個男性文件和一個女性文件
貢納爾
貢納爾
我知道數據不是正態分佈的，非參數測試必須去骨
我已經比較了性別的數據。
我還繪製並比較了不同年齡組（類別）的數據。
但是我想同時將數據劃分為年齡類別和性別，並且還沒有弄清楚如何在 JMP 中執行此操作，而不將數據拆分為一個男性文件和一個女性文件
您應該能夠通過在您正在運行的分析和圖形平台中將這些列指定為“By”列來進行您提到的“男性和女性青少年、男性和女性老年人等”的單獨分析。 下面的示例將“年齡”和“性別”添加到“身高”與“體重”的簡單 X 擬合 Y
貢納爾
回复：組和亞組之間的比較首先，為什麼正態分佈對於本研究中的響應很重要？
分析變量的影響效率不高。 但是，如果您想繼續這種方式，請使用按分析角色。 將性別和年齡類別投射到此角色中以供您分析。
您可能會考慮在線性預測變量中使用這兩個變量的更有效和信息量更大的分析。 然後，您還可以包含一個可能的交互效應的術語，其中一個因素（例如，年齡組）的影響根據另一個因素（例如，性別）的水平而有所不同。 對於此方法，請使用分析 > 擬合模型。
生成的“擬合最小二乘”平台提供基於殘差的回歸診斷。 該模型假設錯誤是正態分佈的（而不是響應本身）並且是獨立的。
