交叉变量T检验我有一个带有分类变量（处理）的数据集。
数据列具有在不同时间（1、2、4和6）进行的比较。
对于每个比较变量，都有“设备已应用”和“无设备”列。
因此，对于每个比较变量，使用或不使用一种设备的人都可以是主动的或安慰剂（治疗）。
例如...“比较01”可以有四个不同的组合...
治疗-无装置
治疗-设备
安慰剂-无设备
安慰剂-设备
这些每个都有其自己的意思。我试图弄清楚如何在JMP中进行交叉比较T检验，以比较“安慰剂-无设备”与“治疗-设备”。我可以将“主动”与“主动”进行比较，或者将“安慰剂”与安慰剂进行比较，但是我看不出有什么方法可以在各个组之间进行比较。
我是否只将“分布”的结果与“处理”作为“按”拆分器，然后通过将我想要的比较插入到假设检验中来做“检验均值”？这似乎有些笨拙。
分析工具回复：交叉变量T检验这种情况是经典的“双向方差分析”方案。健康）状况（治疗或安慰剂），设备（是或否）和ÿ （响应）。 选择分析>拟合模型。 选择条件和设备，单击宏，然后选择全因子。 选择Y，然后单击A。单击运行。
您需要的一切都在那里。
回复：交叉变量T检验谢谢-我已经完成了该报告，但是没有表格可以显示比较跨组的T检验。“治疗*设备”杠杆图有一个最小二乘均值表，但均值之间没有任何t检验。 红色的下拉式学生T给出了通用字母报告表，但未显示实际的t检验值。
哦-只是为了确保我已经正确设置了数据表...该表（基本上）每个主题都有两个条目。例如-主题“ HMA”作为第1行和第61行同时存在（有60种情况）。因此，存在一种叠加效应，每个受试者有2个条目来说明其安慰剂/有效应答和设备/无设备应答。因此，数据表中的60个案例将创建120行（每个受访者2行）。那方差分析需要如何组织其数据？
回复：交叉变量T检验首先，我不建议在此事后分析中使用Student t检验。 您将遇到虚假的I型错误率。 请改用Tukey的方法。 另外，您是否要求T比率？ 为什么有必要？
这听起来像两个单独的并行研究。 您获得“治疗”响应（安慰剂，有效）和“设备”响应（是，否）。 这种解释正确吗？ 我以为治疗和器械相结合会观察到每个受试者一次。
回复：交叉变量T检验审判就是以此方式进行的。
招募了60名受试者。
这60名受试者被分配为主动或安慰剂治疗（最终40主动，20安慰剂）
除治疗外，所有60位受试者在身体的一部分（右侧）都使用了设备，而左侧没有使用设备。
受试者和专业观察员均对几种特性进行了评估。
因此，所有60位受试者都有一组“设备侧”评估和一组“无器械”评估，而40位受试者在主动治疗组中，而20位在安慰剂治疗组中。
对于第一次访问到最后一次访问的不同评估，我能够进行t检验均值比较。 我还可以获得t检验结果，用于比较每次访问的安慰剂组均值与有效均值。 我还可以获得t检验，用于比较设备端与无设备端的评估方式。我要说的是t检验，用于比较“安慰剂-无设备”与“有效-设备”的均值。
作为示例，对于“ Evaluation01”，我具有以下含义...
安慰剂：无设备：访问01：2.95
安慰剂：设备端：访问01：2.95
活动：无设备：访问01：2.65
启用：设备端：访问01：2.65
进行t检验比较安慰剂：无设备与安慰剂：设备端（2.95至2.95）会产生值1（很明显），因为两者相同。
进行t检验比较安慰剂：无设备与有效设备：无设备（2.95至2.65）在首次访问时的值为0.19。
对安慰剂：无设备：访问01与安慰剂：无设备：最终访问（在2.95到2.65的测试之前/之后）进行t检验，得出的值为0.03（显着差异）。
比较安慰剂：无设备（2.95）直接与有效设备：设备方面（2.65）使我难以将直接平均值表示为t检验。显然，结果将类似于安慰剂：无设备vs.有效：无设备测试（因为数字相同）。 但是，并非所有评估都是相同的，因此我需要对所有这些交叉比较进行测试，以确认是否存在任何重大差异。
希望可以帮助您更好地解释设置。
回复：交叉变量T检验您将Subject用于“阻止”，这很聪明。 但是，它将具有随机效果。 您应为“匹配对”分析计算出治疗差异。 否则，主题变化会掩盖治疗效果。
或者，使用拟合最小二乘和处理，设备状态和主题作为效果。 您可以包括一个互动词。 然后，您可以在此平台中使用各种测试。
