De nombreux articles ont été introduits sur la comparaison des logiciels d’analyse statistique, mais la plupart d’entre eux s’adressent aux statisticiens professionnels. En médecine, la grande majorité des personnes qui utilisent des logiciels statistiques sont en réalité des cliniciens qui ne se spécialisent pas en statistiques. Pour diverses raisons, ils ont dû apprendre eux-mêmes à utiliser des logiciels statistiques. Fort de plus de dix années d’expérience en analyse statistique médicale, l’auteur est bien conscient des difficultés rencontrées par les cliniciens lorsqu’ils utilisent seuls des logiciels statistiques.
Afin d'aider davantage de cliniciens à se débarrasser de cette difficulté, d'aider les cliniciens à apprendre à utiliser JMP pour effectuer efficacement l'analyse des données et à améliorer l'efficacité du travail quotidien et de la publication d'articles, Dr Feng Guoshuang, senior JMP utilisateur et statisticien senior, lui et son équipe partageront une série de statistiques et d'analyses de données, d'opérations pratiques JMP et d'autres contenus pratiques sur la plateforme d'analyse de données JMP. Chaque numéro a un sujet classique pour aider chacun à maîtriser une nouvelle compétence. Il convient de noter que ces sujets ne s'adressent pas uniquement aux cliniciens, mais s'appliquent à tous ceux qui utilisent le logiciel JMP pour effectuer des analyses de données.
Cet article est le premier d'une série d'articles. Le Dr Feng et son équipe partagent leur parcours et leur expérience dans l'utilisation du logiciel JMP, et donnent des exemples expliquant pourquoi le logiciel JMP est un logiciel statistique plus adapté aux cliniciens. Pour faciliter la lecture, l'article est décrit à la première personne.
Alors, pourquoi pensons-nous que le logiciel JMP est plus adapté aux cliniciens ? Il y a en fait plusieurs raisons, en voici quelques-unes principales :
01 Fonctionnement complet de type table
C’est probablement ce qui préoccupe le plus les cliniciens. Étant donné que les statistiques ne constituent pas la tâche principale des cliniciens, il n'est pas nécessaire de passer beaucoup de temps à apprendre un logiciel statistique, et les opérations basées sur des menus sont nettement plus adaptées aux besoins des cliniciens que la conception des programmes.
Vous pouvez intuitivement ressentir le tableau des fonctions de JMP (Figure 1).
Figure 1 Menu d'analyse JMP
À partir du tableau des fonctions d'analyse, nous pouvons voir certaines fonctionnalités de JMP en matière de classification statistique. Il ne s’agit pas simplement d’une classification selon des méthodes spécifiques, mais d’une classification large basée sur la structure des méthodes statistiques.
Par exemple, si vous souhaitez comparer les moyennes de deux groupes, d'un point de vue statistique, la "comparaison entre groupes" est en fait une analyse factorielle unique. Le groupe est l'indice et l'indicateur à comparer ( indicateur de résultat) est la variable dépendante. Statistiques En mathématiques, l'argument est appelé x et la variable dépendante est appelée y. Par conséquent, la comparaison entre les groupes signifie analyser l'impact des facteurs de groupe (initiateur x) sur les indicateurs de résultat (variable dépendante y).
Par conséquent, dans JMP, toutes les comparaisons entre groupes, ou plus largement toutes les analyses unidirectionnelles, sont contenues dans le menu Ajuster Y par X.
Cette approche est utile pour comprendre la pensée statistique. Certains cliniciens ne sont peut-être pas habitués à la méthode JMP au début, mais une fois qu'ils l'auront utilisée, ils découvriront que cette méthode est en réalité plus pratique car elle est divisée en grandes catégories selon les méthodes statistiques, ce qui est plus propice à la compréhension des statistiques. méthodes.
De plus, le menu JMP peut être basculé à tout moment entre le chinois et l'anglais. Pour les chercheurs scientifiques qui souhaitent publier des articles en anglais, ils peuvent d'abord effectuer les résultats d'analyse en chinois, puis changer la langue directement dans le menu (Document → Préférences). Anglais, efficace immédiatement, pas besoin de redémarrer. C'est très humain.
02 Processus d'analyse plus pratique
Dans le passé, dans la plupart des logiciels statistiques basés sur des menus, lorsque vous souhaitez utiliser une certaine méthode statistique, vous cliquez sur le menu correspondant, puis diverses options vous attendent. Une fois tous les paramètres terminés, cliquez sur OK pour entrer directement. la rubrique résultats.
Par exemple, supposons que nous ayons une donnée (affichage partiel) présentée dans la figure 2 et que nous souhaitions maintenant voir s'il existe une différence statistique dans les scores de santé physique entre les personnes qui boivent et celles qui ne boivent pas.
Figure 2 Exemples de données
Si vous utilisez un certain logiciel pour comparer ces deux groupes, le tableau des fonctions d'analyse est celui illustré à la figure 3. Vous devez configurer diverses choses, puis confirmer et accéder à l'interface des résultats.
Figure 3 Interface d'analyse d'un certain logiciel statistique
JMP est différent. Le menu d'analyse est très simple. Il n'y a pas d'options. Il suffit de glisser et de déposer les variables requises à la position correspondante (Figure 4). Pas besoin de définir de paramètres supplémentaires, JMP déterminera automatiquement les résultats de la méthode à saisir en fonction du type de x (catégorique ou continu, comme le montre la figure 4, la variable rouge est catégorique, la variable bleue est continue) et du type de x. y.
Dans la figure 4, puisque x est une variable catégorielle et y est une variable continue, le logiciel sélectionne automatiquement la méthode « facteur unique » (voir le coin inférieur gauche de la figure 4, équivalent à l'analyse de variation). Si x et y sont tous deux catégoriques, le coin inférieur gauche de la figure 4 deviendra « contingence » (équivalent au test du chi carré).
Figure 4 Interface d'analyse JMP
Certaines personnes pourraient se demander : il n’y a pas d’option, alors que se passe-t-il si vous souhaitez apporter des modifications ? Par exemple, bien que y soit une variable continue, que se passe-t-il si elle ne satisfait pas à la distribution normale et doit être testée sans numéro parent ? C'est la spécialité de JMP. L'interface d'analyse JMP est très simple, mais l'interface des résultats est très riche et toutes les options se trouvent dans l'interface des résultats (Figure 5).
Lorsque nous cliquons sur OK dans l'interface de la figure 4, nous entrons dans l'interface des résultats JMP (figure 5). L'interface résultante est simple par défaut, mais possède de riches options.
Figure 5 L'interface des résultats d'analyse du menu "Ajuster Y avec X" dans JMP
Comme le montre la figure 5, si vous souhaitez afficher d'autres résultats, vous pouvez à tout moment vérifier les méthodes dont vous avez besoin via le menu déroulant rouge (triangle rouge). Si vous n'en avez plus besoin, vous pouvez également les vérifier. éteint à tout moment. Cette approche rend l’analyse et l’exploration des données plus pratiques. Dans d’autres logiciels, si vous voulez recommencer, vous devez revenir en arrière et tout recommencer. Mais il n'est pas utilisé dans JMP. Si vous souhaitez modifier la méthode (par exemple, vous avez effectué un test t et avez soudainement découvert que les données peuvent ne pas être conformes à la distribution normale et vous souhaitez effectuer un test sans mère), il n'y a pas de méthode. besoin de revenir, vérifiez simplement les autres méthodes dans les résultats.,Très pratique.
03 Fonctionnement semi-intelligent
Tous les chercheurs cliniciens peuvent avoir un rêve : à quel point ce serait génial s'ils pouvaient enregistrer les données dans un logiciel et ensuite tout laisser au logiciel.
Bien qu’il n’existe pas de logiciel statistique entièrement intelligent, un logiciel semi-intelligent peut toujours le faire. En d’autres termes, même si les logiciels statistiques ne peuvent pas choisir une méthode entièrement basée sur les données, ils peuvent néanmoins vous aider à faire un choix dans certaines situations spécifiques. Par exemple, si vous souhaitez comparer les moyennes de plusieurs groupes, vous ne pouvez certainement pas utiliser directement le test t ; si vous souhaitez effectuer une analyse de régression et que le résultat est des données catégorielles, dans la plupart des cas, vous envisagerez d'abord la régression logistique, etc. C’est là que JMP aide chacun à devenir semi-intelligent.
En fait, à partir de la figure 4 présentée plus tôt, je crois que vous avez déjà ressenti que dans la méthode « Ajuster Y avec
Montrons davantage les performances de JMP en mode semi-intelligent.
Illustrons encore une fois en comparant les scores de santé physique de deux groupes de personnes qui boivent et qui ne boivent pas. Reprenons d’abord les résultats de la figure 5. Puisqu’il s’agit d’une comparaison entre deux groupes, on peut généralement considérer un test t. On remarque qu’il y a un test t dans les résultats (« t fusionné » dans la figure 6).
Figure 6 Interface des résultats d'analyse pour la comparaison entre deux groupes dans JMP
Nous modifions maintenant une variable de regroupement et comparons les scores de santé physique entre différentes classes de fonctions cardiaques. La classification de la fonction cardiaque est une classification multiple et l'analyse de la variance est d'abord envisagée. Nous utilisons la même méthode de fonctionnement que dans la figure 4 (il suffit de remplacer la consommation d'alcool dans la figure 4 par la classification de la fonction cardiaque) pour obtenir l'interface des résultats d'analyse dans la figure 7.
À ce stade, vous serez surpris de constater que le « t fusionné » dans la figure 7 est manquant.
Figure 7 Interface des résultats d'analyse pour les comparaisons de groupes multiples dans JMP
pourquoi ? Le test t ne pouvant pas être utilisé pour des comparaisons de groupes multiples, JMP supprime automatiquement les méthodes qui ne doivent pas être utilisées pour vous. C’est très important, surtout pour les non-statisticiens.
Pour un autre exemple, supposons que nous utilisions le score de santé physique comme variable dépendante pour analyser l'impact de plusieurs autres indicateurs sur le score de santé physique. En général, une régression linéaire peut être envisagée.
Nous faisons glisser les variables dépendantes et les arguments dans les positions correspondantes via le menu « Ajuster le modèle » (Figure 8). Alors jetez un œil : JMP sélectionne par défaut la « méthode des moindres carrés standard » (équivalente à la régression linéaire) et grise automatiquement les deux méthodes de régression logistique, vous laissant dans l'impossibilité de choisir.
Figure 8 Interface d'analyse du menu « Ajustement du modèle » dans JMP
Pourquoi est-ce? Étant donné que le résultat (score de santé physique) est une variable continue, la régression logistique ne peut pas être utilisée pour la régression de variables continues et la régression linéaire est la plus couramment utilisée. Pour cette erreur la plus élémentaire, JMP vous aide directement à l'éviter.
À travers les deux exemples ci-dessus, vous pouvez voir que le logiciel JMP reflète son amour pour les spécialités non statistiques dans tous les aspects. Le professionnalisme peut être vu dans les détails, ce qui est vraiment bien intentionné.
04 Fonctionnement entièrement interactif
La plupart des logiciels statistiques fonctionnent des données aux résultats. Après avoir obtenu des résultats basés sur des données, il est généralement difficile de passer des résultats aux données.
Mais JMP est différent. Les résultats ne sont que le début de la véritable analyse. Non seulement les résultats correspondants peuvent être ajoutés ou supprimés en fonction des besoins (Figure 5), mais les résultats sont toujours liés aux données.
La figure 9 montre la répartition par âge, fournit des indicateurs de description statistique et fournit des graphiques. L'essentiel est que ces graphiques peuvent être sélectionnés avec la souris, et lorsque vous sélectionnez le graphique d'une variable, les observations correspondantes d'autres variables sont également sélectionnées.
Par exemple, dans la figure 9, il y a deux variables, l'âge et la stratification par âge. Lorsque nous sélectionnons les données correspondantes de la variable âge, vous constaterez que la variable « stratification par âge » est également sélectionnée, et « stratification par âge » La variable correspondante dans la liste des fréquences est également sélectionné. Si vous regardez dans l'ensemble de données, vous constaterez que ces données sont également sélectionnées dans l'ensemble de données. En d'autres termes, le logiciel JMP n'est pas simplement "données → résultats", mais les données et les résultats sont interactifs. Il peut s'agir de "données → résultats" ou de "résultats → données". Les données et les résultats sont toujours liés.
Figure 9 Exemple d'interaction entre les données et les résultats dans JMP
Certaines personnes pourraient se demander à quoi sert cette connexion ? Très utile dans les travaux pratiques. Par exemple, si vous souhaitez sélectionner séparément les personnes « en train de boire », vous n'avez même pas besoin d'utiliser ces fonctions de filtrage. Vous pouvez sélectionner directement « en train de boire » dans l'image, puis il sera sélectionné simultanément dans l'ensemble de données (Figure 10), puis utilisez la fonction « sous-ensemble » Il suffit de sélectionner les informations sur les buveurs.
Figure 10 Utilisation de graphiques pour filtrer les données dans JMP
Pour un autre exemple, si nous trouvons un point anormal dans le nuage de points et que nous voulons localiser rapidement les données, nous pouvons directement sélectionner le point dans le graphique, puis accéder à l'ensemble de données et constater que le point est marqué, et nous pouvons directement utilisez la fonction de positionnement pour le localiser.Cette observation vous évite de vérifier vous-même ces informations.
05 Autres fonctions humanisées
JMP dispose en fait de nombreuses fonctions conviviales, difficiles à aborder dans cet article, qui seront présentées une par une dans une série d'articles ultérieurs. Enfin, permettez-moi de mentionner quelques fonctions supplémentaires pratiques et permettant de gagner du temps.
Par exemple, dans les tables de données JMP, il n'y a aucune restriction sur les noms de variables et la dénomination des valeurs de variables. Il n'y a aucun problème qu'il s'agisse de chinois, d'anglais, de symboles spéciaux, etc. À l'heure actuelle, la plupart des logiciels statistiques ne peuvent pas le faire et imposent souvent certaines restrictions sur les noms de variables, ce qui entraîne la nécessité de modifier les chiffres une fois les résultats obtenus, ce qui est trop fastidieux. JMP peut produire directement le résultat basé sur le nom de la variable sans modification.
Pour un autre exemple, la fonction graphique de JMP est interactive, ce qui est différent des autres logiciels statistiques du passé. Elle ne repose pas sur la spécification de variables pour dessiner des graphiques, et elle peut être entièrement réalisée par glisser-déposer (Figure 11), et plusieurs graphiques peuvent être librement Pour basculer, cliquez simplement sur la souris (le graphique supérieur de la figure 11, basculez instantanément d'un clic de souris).
Figure 11 Affichage de l'interface de dessin JMP
Bien entendu, les avantages de JMP ne se limitent pas à cela. Ce qui précède ne sont que quelques expériences basées sur ce que nous avons utilisé dans le travail réel. Dans la série d'articles suivante, nous présenterons également les caractéristiques de JMP en matière de tri et de nettoyage des données, de représentation graphique et d'analyse statistique une par une à travers des cas et des explications. Nous pensons que ceux-ci fourniront à chacun des méthodes d'analyse plus rapides et plus efficaces.
