<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我和一位同事在“分類”中發現了這種有趣的行為。 我想我知道發生了什麼，但這對我們這裡的用戶來說是違反直覺的。
在下文中，感興趣的比較是B列與E列，但完整的數據集包含16個總產品。 如果我們一起查看所有16個乘積，就會得到這個結果（注意B對E的e很小，因此在alpha = 0.10時有效）：
然後，如果我們使用本地數據過濾器僅捕獲我們感興趣的兩種產品（B和E），則會得到以下信息：
相同的意思，相同的標準。開發人員，但現在“比較均值”的大寫字母E表示顯著性水平為alpha = 0.05，而不是小寫字母e。
我們預計大寫字母不會發生變化。 可以理解，在完整的16個產品視圖中，存在多個比較注意事項和其他問題。 同時，包括較大的差異，尤其是我們的產品L至P（未顯示）會導致t統計量下降，並導致重要性下降，部分原因是L至P是劣等產品，得分較低，因此得分較高標準偏差。
我們是否可以選擇關閉標準偏差合併，本質上進行多個兩次抽樣t檢驗，每個檢驗均假設方差不相等？
謝謝，
麥可
是的，它的確出現了，因為JMP使用的是標準偏差的匯總估計，而不是進行一系列的2樣本t檢驗。 我的印像是它正在進行2個樣本的t檢驗（因此不進行合併的sd）。幫助文件使我相信它正在進行一系列的2個樣本t檢驗。 我想更好地理解下面列出的幫助中的多個比較的含義。
JMP中的幫助
平均得分比較
比較各個樣本水平組之間的平均得分，顯示哪些組存在顯著差異。 基於指定的比較組，將成對的多重比較Student t檢驗用於平均得分比較。 有關字母代碼的更多信息，請參閱“與字母比較” 。 有關指定比較組的更多信息，請參閱”指定比較組” 。
