Ich habe drei Regeln für eine erfolgreiche Analyse von Daten:
1. Plotten Sie die Daten.
2. Zeichnen Sie die Daten.
3. PLOTIEREN SIE DIE DATEN.
Machen Sie sich nach dem Plotten der Daten Sorgen um "Tests". Sie vermischen auch zwei verschiedene analytische Ansätze. Die Korrelationsanalyse ist kein Test an sich. Die einfache Korrelationsanalyse kontinuierlicher Daten (ich nehme an, Ihre Antwort ist kontinuierlich) ist eine analytische Technik, die den Grad der linearen Assoziativität zwischen zwei Variablen bewertet. Die Multivariate-Plattform wäre also der beste Weg in JMP, um damit zu beginnen, wenn Sie danach suchen ...
Aber Sie haben auch das Wort '...Test...' verwendet, was für mich eine Art Hypothesentest von Populationsparametern für die Reaktion als Funktion der Temperatur impliziert. Wenn dies der Fall ist, sollte man jetzt einen anderen analytischen Weg einschlagen ... und dieser Weg hängt fast ausschließlich von den spezifischen Hypothesen ab, die Sie bewerten und wie Sie die Temperatur und die Reaktionen im Kontext des Experiments und der Hypothesen behandeln. Sie können mit der Fit Model-Plattform enden ... oder Fit Y by X oder einer anderen Plattform?
Aber ich kehre zu meiner ersten Empfehlung zurück ... Plotten Sie die Daten ... Sie können Ihre praktische Frage möglicherweise durch einfaches Ziehen und Ablegen im Graph Builder von Fit Y by X beantworten?
Wie immer, @P_Bartell gibt hervorragende Ratschläge.
Ich würde anmerken, dass Sie implizieren auf eins Pflanze und es scheint auch, dass Sie nur einen Faktor haben, die Temperatur? Dies ist ein sehr enger Inferenzraum. Ich nehme an, es gibt mehrere ätherische Öle? Wie "gut" ist Ihr Messsystem?
Streudiagramme (Multivariate Methoden > Multivariat) und andere relationale Grafiken, die mit Graph Builder angezeigt werden können, sind ein guter Anfang. Stellen Sie sicher, dass die Variation der ätherischen Öle von praktischem Wert ist, bevor Sie die statistische Signifikanz bestimmen.
