クロス変数T検定カテゴリ変数（治療）を持つデータセットがあります。
データ列には、異なる時間（1、2、4、および6）に行われる比較があります。
比較変数ごとに、「デバイスが適用されました」と「デバイスがありません」の列があります。
したがって、人は、各比較変数にデバイスが適用されているかどうかにかかわらず、アクティブまたはプラセボ（治療）のいずれかである可能性があります。
たとえば...「比較01」には4つの異なる組み合わせがあります...
治療-デバイスなし
治療-デバイス
プラセボ-デバイスなし
プラセボ-デバイス
これらのそれぞれには、独自の平均があります。JMPで行う方法を理解しようとしているのは、「プラセボ-デバイスなし」と「治療-デバイス」を比較する相互比較T検定を行うことです。アクティブとアクティブ、またはプラセボとプラセボを比較することはできますが、グループ間で比較する方法がわかりません。
「By」スプリッターとしてTreatmentを使用した「Distribution」の結果を取得し、必要な比較を仮説検定に接続して「Testmean」を実行しますか？それは少し不格好なようです。
分析Re：クロス変数T検定このケースは、古典的な「双方向ANOVA」シナリオです。でデータテーブルを設定します。状態（治療またはプラセボ）、端末（はいまたはいいえ）およびY （応答）。 選択する分析>モデルの適合。 [条件とデバイス]を選択し、[マクロ]をクリックして、[完全実施要因]を選択します。 Yを選択し、Aをクリックします。実行をクリックします。
必要なものはすべてそろっています。
Re：クロス変数T検定ありがとう-私はそのレポートを作成しましたが、クロスグループを比較するT検定を示すテーブルがありません。Treatment * Deviceレバレッジプロットの最小二乗平均表がありますが、平均値の相互のt検定はないようです。 赤いドロップダウンのスチューデントのTは、一般的なレターレポートテーブルを提供しますが、実際のt検定値を示していません。
ああ-そして、データテーブルが正しく設定されていることを確認するために...テーブルには（基本的に）各サブジェクトに対して2つのエントリがあります。例-サブジェクト「HMA」は、行＃1と行＃61の両方として存在します（60のケースがあります）。したがって、各被験者がプラセボ/アクティブ応答とデバイス/デバイスなし応答を説明するために2つのエントリを持っているスタック効果があります。したがって、データテーブルの60のケースでは、120行が作成されます（回答者ごとに2つ）。それでは、ANOVAはデータをどのように構造化する必要がありますか？
Re：クロス変数T検定まず、この事後分析でスチューデントのt検定を使用することはお勧めしません。 タイプIの過誤率が高くなります。 代わりにテューキーの方法を使用してください。 また、t-ratiosを求めていますか？ なぜそれが必要なのですか？
これは、2つの別々の並行研究のように聞こえます。 治療（プラセボ、アクティブ）に対する応答と、デバイス（はい、いいえ）に対する別の応答を取得します。 その解釈は正しいですか？ 私は、各被験者が治療と装置の組み合わせで一度観察されたと仮定しました。
Re：クロス変数T検定裁判はこのように設定されました...
60人の被験者が登録されました。
これらの60人の被験者は能動またはプラセボ治療のいずれかに割り当てられました（最終40人の能動、20人のプラセボ）
治療に加えて、60人の被験者全員が体の一部（右側）にデバイスを使用し、左側にはデバイスを使用しませんでした。
被験者と専門家の観察者の両方によって、いくつかの特性について評価が行われました。
したがって、60人の被験者すべてが「デバイス側」の評価セットと「デバイスなし」の評価セットを持ち、40人の被験者がアクティブアームに、20人がプラセボアームにいます。
最初の訪問から最後の訪問までのさまざまな評価のt検定の平均比較を取得できます。 また、プラセボグループの平均を各訪問のアクティブな平均と比較するためのt検定の結果を取得できます。 また、デバイス側と非デバイス側の評価平均を比較するためのt検定を取得することもできます。私がだまそうとしているのは、「プラセボ-デバイスなし」と「アクティブ-デバイス」の平均を比較するt検定です。
実例として、「Evaluation01」の場合、次の手段があります。
プラセボ：デバイスなし：01にアクセス：2.95
プラセボ：デバイス側：訪問01：2.95
アクティブ：デバイスなし：01にアクセス：2.65
アクティブ：デバイス側：訪問01：2.65
プラセボ：デバイスなしとプラセボ：デバイス側（2.95から2.95）を比較するt検定を実行すると、2つが同じであるため、値は1（明らかに）になります。
プラセボ：デバイスなしとアクティブ：デバイスなし（2.95から2.65）を比較するt検定を実行すると、最初の訪問で0.19の値が得られます。
プラセボ：デバイスなし：訪問01とプラセボ：デバイスなし：最終訪問（2.95から2.65のテストの前後）を比較するt検定を実行すると、0.03の値（有意差）が得られます。
プラセボ：デバイスなし（2.95）とアクティブ：デバイス側（2.65）を直接比較すると、t検定を意味する直接平均を取得するのに問題があります。明らかに、結果はプラセボ：デバイスなしvs.アクティブ：デバイステストなし（数値が同じであるため）と同様になります。 ただし、すべての評価が同じであるとは限らないため、これらの相互比較のすべてでテストを実行して、有意差の有無を確認する必要があります。
それがセットアップをもう少しよく説明するのに役立つことを願っています。
Re：クロス変数T検定あなたは「ブロッキング」にSubjectを使用しました。これは賢い方法です。 ただし、ランダムな効果があります。 「一致したペア」分析の処理の差を計算する必要があります。 そうでなければ、対象の変化は治療効果を覆い隠します。
別の方法として、効果として、治療、デバイスステータス、およびサブジェクトを使用した最小二乗法を使用します。 交互作用項を含めることができます。 次に、このプラットフォームでさまざまなテストを使用できます。
