여러분 안녕하세요-
저는 Wilcoxon 서명 순위 테스트를 사용하여 교육 세션 전후의 기술 자체 평가를 비교하고 있습니다. 데이터는 1-5 Likert 유형 척도, 즉 서수입니다. 남성과 여성을 비교하여 한 그룹이 다른 그룹보다 교육을 통해 더 많은 혜택을 받는지 확인하고 싶지만 이것이 JMP에서 수행 될 수 있는지 확실하지 않습니까? 당연히 분석을 계층화하고 여성의 남성 차이는 X이고 남성은 Y라고 말할 수 있지만 JMP에서 유의성을 입증하기 위해 수행 할 수있는 통계 테스트가 있습니까? 아는 사람 있어요?
모두 제일 좋다
그래서 당신은 전후의 "치료"가 있습니다. 이제 다른 변수 인 성별을 추가합니다. 따라서 두 개의 "X"변수를 사용하면 Y x X 맞추기가 적절하지 않습니다. 사실, 나는 Kruskal-Wallis가 적절한 지 확신하지 못합니다. Before-After 구조는 당신이 관찰을 짝을 이루었다 고 믿게하기 때문입니다. 각 과목에 대해 사전 점수와 사후 점수가 있습니다. 즉, BLOCKED 디자인 (각 과목은 블록으로 간주 될 수 있음)이 있고 Friedman 테스트가 더 적절할 수 있음을 의미합니다.
그래서 내가 본 것을 감안할 때 (모든 정보가 없다는 것을 알고 있으므로 내 접근 방식을 고려하지만 정확하다는 보장은 없습니다) 데이터가 가상의 JMP 파일 (Original Table.JMP)처럼 보일 수 있다고 생각합니다. . 간단히 Before와 After 점수의 차이 인 Difference라는 열을 추가했습니다. 차이 점수는 다른 과목을 고려합니다. After 점수 3은 낮게 보일 수 있지만 해당 과목의 Before 점수가 1이면 훈련은 여전히 성공적입니다. 이것이 분석이 주제를 고려해야하는 이유입니다.
초기 분석을 모방하기 위해 수행 할 수있는 두 가지 방법이 있습니다. 저는 차이 점수에 분포를 사용했습니다. 이 분석을 "Analysis without Gender"라는 스크립트로 저장했습니다. 차이 열을 생성하는 대신 이전 및 이후 열에서 일치 쌍 플랫폼을 사용할 수 있습니다. 해당 분석은 "성별이없는 일치 쌍"스크립트로 저장됩니다.
이제 분석에 성별을 추가하려면 이전 및 이후 열을 쌓아야했습니다. 이 테이블도 첨부되며 "스택 데이터"라고합니다. 필요하지 않기 때문에이 테이블의 차이 열을 유지하지 않았습니다. 데이터 열 (당신의 점수)을 연속으로 남겼습니다. 먼저 분석을 위해 Data를 서수로 만들고 Fit Model을 사용했습니다. 나는 Gender, Before / After 및 모델의 상호 작용을 사용했습니다. 데이터가 순서 형이므로 모델링은 순서 형 로지스틱 회귀입니다. 이 분석은 "성별 서수 모델"로 저장됩니다.
또한 데이터를 연속적으로 만든 후 동일한 모델을 데이터에 맞 춥니 다. 해당 스크립트를 "성별 연속 Y"로 저장했습니다. 결과는 비슷하지만 약간 다릅니다.
데이터를 서수로 두거나 인수가 있기 때문에 연속으로 만들려면 선택하십시오.
이게 도움이 되길 바란다.
