Hallo alle-
Ich verwende den von Wilcoxon signierten Rangtest, um die Selbsteinschätzung der Fähigkeiten vor und nach einer Trainingseinheit zu vergleichen. Die Daten sind 1-5 Likert-Skalen, dh Ordnungszahlen. Ich möchte Männer und Frauen vergleichen, um zu sehen, ob eine Gruppe mehr vom Training profitiert als die andere, aber nicht sicher, ob dies in JMP möglich ist? Natürlich könnte ich die Analyse schichten und sagen, dass der Männerunterschied für Frauen X und für Männer Y war, aber gibt es einen statistischen Test in JMP, der durchgeführt werden kann, um die Signifikanz zu demonstrieren? Weiß jemand Bescheid?
Alles Gute
Sie haben also die "Behandlung" von vorher und nachher. Sie fügen jetzt eine weitere Variable hinzu, Geschlecht. Bei zwei "X" -Variablen wäre Fit Y by X nicht geeignet. Tatsächlich bin ich mir nicht sicher, ob Kruskal-Wallis angemessen war, da die Vorher-Nachher-Struktur mich glauben lässt, dass Sie Beobachtungen gepaart haben. Für jedes Fach haben Sie eine Vor-Punktzahl und eine Nach-Punktzahl. Das bedeutet, dass Sie ein BLOCKED-Design haben (jedes Subjekt könnte als Block betrachtet werden) und ein Friedman-Test wahrscheinlich angemessener gewesen wäre.
Angesichts dessen, was ich sehe (und ich weiß, dass ich nicht alle Informationen habe, überlegen Sie sich also meinen Ansatz, aber es gibt keine Garantie dafür, dass er korrekt ist), denke ich, dass Ihre Daten wie meine fiktive JMP-Datei (Original Table.JMP) aussehen könnten. . Ich habe eine Spalte namens Differenz hinzugefügt, die einfach die Differenz zwischen den Vorher- und Nachher-Bewertungen ist. Die Differenzbewertung würde die verschiedenen Themen berücksichtigen. Beachten Sie, dass ein After-Score von 3 möglicherweise niedrig aussieht. Wenn der Before-Score für dieses Thema jedoch 1 war, war das Training immer noch erfolgreich. Deshalb sollte die Analyse das Thema berücksichtigen.
Um Ihre anfängliche Analyse nachzuahmen, gibt es zwei Möglichkeiten. Ich habe Distribution für die Differenzbewertung verwendet. Ich habe diese Analyse als Skript mit dem Namen "Analyse ohne Geschlecht" gespeichert. Anstatt die Differenzspalte zu erstellen, hätten Sie auch die Plattform für übereinstimmende Paare in den Spalten Vorher und Nachher verwenden können. Diese Analyse wird als Skript "Matched Pairs without Gender" gespeichert.
Um der Analyse nun Geschlecht hinzuzufügen, musste ich die Spalten Vorher und Nachher stapeln. Diese Tabelle ist ebenfalls angehängt und heißt "Stacked Data". Ich habe die Differenzspalte in dieser Tabelle nicht beibehalten, da sie nicht benötigt wird. Ich habe die Datenspalte (Ihre Punktzahlen) als fortlaufend belassen. Zuerst habe ich für die Analyse die Daten ordinal gemacht und das Fit-Modell verwendet. Ich habe Geschlecht, Vorher / Nachher und die Interaktion im Modell verwendet. Da Daten ordinal waren, lautet die Modellierung Ordinal Logistic Regression. Diese Analyse wird als "Ordinales Modell mit Geschlecht" gespeichert.
Ich passe das gleiche Modell auch an Daten an, nachdem ich Daten kontinuierlich gemacht habe. Ich habe dieses Skript als "Continuous Y with Gender" gespeichert. Die Ergebnisse sind ähnlich, aber leicht unterschiedlich.
Sie haben die Wahl, ob Sie Daten als Ordnungszahl belassen oder fortlaufend machen möchten, da es in beiden Fällen Argumente gibt.
Ich hoffe das hilft.
