私は、多かれ少なかれこの形式で見える260人の個人からのデータを含むファイルを持っています（しかし、より多くのパラメータ）：
| | 個人ID | 性別 | 年齢層 | タンパク質の摂取 | kcal | |
| 1 | 1 | 男 | 子供 | 33 | 107 | |
| 2 | 2 | 女性 | 大人 | 52 | 220 | |
| 3 | 3 | 女性 | お年寄り | 50 | 150 | |
| 4 | 4 | 男 | 大人 | 75 | 175 | |
データは通常分散されておらず、分散分析を行いました。 さらに、男性と女性の間、および年齢グループ間でデータを比較し、ペアワイズの ps を計算しました。
データは通常分散されておらず、非パラメトリック テストは骨抜きにする必要があることを知っています
性別のデータを比較しました。
また、さまざまな年齢グループ (カテゴリ) のデータをプロットして比較しました。
しかし、データを年齢カテゴリと性別に同時に分割したいのですが、データを男性用と女性用の1つのファイルに分割せずにJMPでこれを行う方法がわかりませんでした
グンナル
グンナル
データは通常分散されておらず、非パラメトリック テストは骨抜きにする必要があることを知っています
性別のデータを比較しました。
また、さまざまな年齢グループ (カテゴリ) のデータをプロットして比較しました。
しかし、データを年齢カテゴリと性別に同時に分割したいのですが、データを男性用と女性用の1つのファイルに分割せずにJMPでこれを行う方法がわかりませんでした
実行中の分析およびグラフィカルプラットフォームでこれらの列を「By」列として指定することにより、「男性と女性の青年、男性と女性の高齢者など」に言及している個別の分析を実行できるはずです。 以下の例では、「年齢」と「性別」を「身長」と「体重」の X による単純なフィット Y に追加します。
グンナル
まず第一に、なぜこの研究の応答にとって正規分布が重要なのですか?
変数の影響を分析するのは効率的ではありません。 ただし、この方法を続けたい場合は、By 分析ロールを使用してください。 分析のために、性別と年齢のカテゴリをこのロールにキャストします。
線形予測子で両方の変数を使用する、より効率的で有益な分析を検討することもできます。 次に、1 つの要因 (年齢層など) の効果が他の要因 (性別など) のレベルに応じて異なる、可能な交互作用効果の用語を含めることもできます。 このアプローチには、[分析] > [モデルの適合] を使用します。
結果として得られる最小二乗法プラットフォームは、残差に基づく回帰診断を提供します。 このモデルは、エラーが (応答自体ではなく) 正規分布しており、独立していると想定しています。
