<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我和一位同事在“分类”中发现了这种有趣的行为。 我想我知道发生了什么，但这对我们这里的用户来说是违反直觉的。
在下文中，感兴趣的比较是B列与E列，但完整的数据集包含16个总产品。 如果我们一起查看所有16个乘积，就会得到这个结果（注意B对E的e很小，因此在alpha = 0.10时有效）：
然后，如果我们使用本地数据过滤器仅捕获我们感兴趣的两种产品（B和E），则会得到以下信息：
相同的意思，相同的标准。开发人员，但现在“比较均值”的大写字母E表示显着性水平为alpha = 0.05，而不是小写字母e。
我们预计大写字母不会发生变化。 可以理解，在完整的16个产品视图中，存在多个比较注意事项和其他问题。 同时，包括较大的差异，尤其是我们的产品L至P（未显示）会导致t统计量下降，并导致重要性下降，部分原因是L至P是劣等产品，得分较低，因此得分较高标准偏差。
我们是否可以选择关闭标准偏差合并，本质上进行多个两次抽样t检验，每个检验均假设方差不相等？
谢谢，
麦可
是的，它的确出现了，因为JMP使用的是标准偏差的汇总估计，而不是进行一系列的2样本t检验。 我的印象是它正在进行2个样本的t检验（因此不进行合并的sd）。帮助文件使我相信它正在进行一系列的2个样本t检验。 我想更好地理解下面列出的帮助中的多个比较的含义。
JMP中的帮助
平均得分比较
比较各个样本水平组之间的平均得分，显示哪些组存在显着差异。 基于指定的比较组，将成对的多重比较Student t检验用于平均得分比较。 有关字母代码的更多信息，请参阅“与字母比较” 。 有关指定比较组的更多信息，请参阅”指定比较组” 。
