Bonjour à tous-
J'utilise le test de classement signé Wilcoxon pour comparer l'auto-évaluation des compétences avant et après une session de formation. Les données sont de 1 à 5 échelle de type Likert, c'est-à-dire ordinale. Je voudrais comparer des hommes et des femmes pour voir si un groupe bénéficie plus de la formation que l'autre, mais je ne sais pas si cela peut être fait dans JMP? Naturellement, je pourrais stratifier l'analyse et dire que la différence entre les hommes pour les femmes était X et pour les hommes Y, mais y a-t-il un test statistique dans JMP qui peut être fait pour démontrer la signification? Quelqu'un sait-il?
Bonne chance
Vous avez donc le "traitement" de l'avant et de l'après. Vous ajoutez maintenant une autre variable, le sexe. Donc, avec deux variables "X", Ajuster Y par X ne serait pas approprié. En fait, je ne suis pas sûr que Kruskal-Wallis était approprié car la structure Avant-Après me porte à croire que vous avez jumelé des observations. Pour chaque sujet, vous avez un score avant et un score après. Cela signifie que vous avez une conception BLOQUÉE (chaque sujet pourrait être considéré comme un bloc) et qu'un test de Friedman aurait probablement été plus approprié.
Donc, compte tenu de ce que je vois (et je sais que je n'ai pas toutes les informations, alors considérez mon approche, mais il n'y a aucune garantie qu'elle soit correcte) je pense que vos données pourraient ressembler à mon fichier JMP fictif (Original Table.JMP) . J'ai ajouté une colonne appelée Différence qui est simplement la différence entre les scores avant et après. Le score de différence prendrait en compte les différents sujets. Notez qu'un score After de 3 peut sembler faible, mais si le score Before pour ce sujet était égal à 1, la formation a quand même réussi. C'est pourquoi l'analyse doit prendre en compte le sujet.
Pour imiter votre analyse initiale, il y a deux façons de procéder. J'ai utilisé la distribution sur le score de différence. J'ai enregistré cette analyse sous la forme d'un script intitulé "Analyse sans sexe". Au lieu de créer la colonne Différence, vous auriez pu utiliser la plate-forme Paires correspondantes sur les colonnes Avant et Après. Cette analyse est enregistrée en tant que script "Paires appariées sans sexe".
Maintenant, pour ajouter le genre à l'analyse, j'avais besoin d'empiler les colonnes Avant et Après. Cette table est également jointe et s'appelle "Stacked Data". Je n'ai pas conservé la colonne Différence dans ce tableau, car elle n'est pas nécessaire. J'ai laissé la colonne Données (vos scores) en continu. Tout d'abord, pour l'analyse, j'ai créé Data ordinal et utilisé Fit Model. J'ai utilisé le genre, avant / après et l'interaction dans le modèle. Puisque les données étaient ordinales, la modélisation est une régression logistique ordinale. Cette analyse est enregistrée sous le nom de "Modèle Ordinal avec Genre".
J'adapte également le même modèle aux données après avoir rendu les données continues. J'ai enregistré ce script sous le nom "Continuous Y with Gender". Les résultats sont similaires, mais légèrement différents.
Ce serait votre choix si vous souhaitez laisser les données comme ordinales ou les rendre continues car il y a des arguments dans les deux sens.
J'espère que ça aide.
