组和亚组之间的比较我有一个文件，其中包含来自 260 个人的数据，这些数据或多或少采用这种格式（但参数更多）：
| | 个人编号 | 性别 | 年龄阶层 | 蛋白质摄入 | 千卡 | |
| 1 | 1 | 男性 | 孩子们 | 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 | |
数据不是正态分布的，我已经做了分布分析。 此外，我比较了男性和女性之间以及年龄组之间的数据，并计算了成对的 ps
我知道数据不是正态分布的，非参数测试必须去骨
我已经比较了性别的数据。
我还绘制并比较了不同年龄组（类别）的数据。
但是后来我想同时将数据分为年龄类别和性别，并且还没有弄清楚如何在 JMP 中做到这一点，而不将数据分成一个男性文件和一个女性文件
贡纳尔
贡纳尔
我知道数据不是正态分布的，非参数测试必须去骨
我已经比较了性别的数据。
我还绘制并比较了不同年龄组（类别）的数据。
但是后来我想同时将数据分为年龄类别和性别，并且还没有弄清楚如何在 JMP 中做到这一点，而不将数据分成一个男性文件和一个女性文件
您应该能够通过在您正在运行的分析和图形平台中将这些列指定为“By”列来进行您提到的“男性和女性青少年、男性和女性老年人等”的单独分析。 下面的示例将“年龄”和“性别”添加到“身高”与“体重”的简单 X 拟合 Y
贡纳尔
回复：组和亚组之间的比较首先，为什么正态分布对于本研究中的响应很重要？
分析变量的影响效率不高。 但是，如果您想继续这种方式，请使用按分析角色。 将性别和年龄类别投射到此角色中以供您分析。
您可能会考虑在线性预测变量中使用这两个变量的更有效和信息量更大的分析。 然后，您还可以包含一个可能的交互效应的术语，其中一个因素（例如，年龄组）的影响根据另一个因素（例如，性别）的水平而有所不同。 对于此方法，请使用分析 > 拟合模型。
生成的“拟合最小二乘”平台提供基于残差的回归诊断。 该模型假设错误是正态分布的（而不是响应本身）并且是独立的。
