Der Vergleich zwischen Gruppen stellt den grundlegenden Inhalt der statistischen Analyse dar. Einfach ausgedrückt, ist es der Vergleich der Indikatoren zwischen zwei oder mehr Gruppen.Dieser Indikator kann eine kontinuierliche Variable oder eine kategoriale Variable sein. Jede statistische Analyse ist fast untrennbar mit dem Vergleich zwischen den Gruppen verbunden. In einer randomisierten kontrollierten Studie zum Beispiel ist der Hauptzweck der Vergleich der Wirksamkeit der beiden Gruppen.In einer multivariaten Analyse wird der Vergleich zwischen den Gruppen normalerweise als Ausgangsergebnis verwendet und muss allen gezeigt werden.
Heute stelle ich vor, dass JMP eine magische Funktionstabelle besitzt, die fast alle Gruppenvergleiche realisieren kann.Diese Funktionstabelle ist X an Y angepasst.
Was ist x Fit ja ?
Vereinfacht ausgedrückt wird der Gruppenfaktor als x und die zu analysierende Variable als abhängige Variable y betrachtet. Je nach den Variablentypen x und y bestimmt die JMP-Software automatisch die geeignete Methode.
Warum ist diese Funktion so magisch? Dieser Artikel wird getrennt von mehreren Aspekten erklären:
- Auswahl gemeinsamer Vergleichsmethoden zwischen Gruppen;
- Verknüpfen Sie gängige Vergleichsmethoden zwischen Gruppen aus einer Makroperspektive;
- Durch einen Fall, wie man eine Funktionstabelle von JMP verwendet, um alle Vergleiche zwischen Gruppen zu realisieren.
Was die spezifischen Vergleichsmethoden zwischen Gruppen angeht, werden wir sie nacheinander in einer Reihe von Artikeln vorstellen.
Wie wählt man die Vergleichsmethode zwischen den Gruppen?
Es gibt viele Möglichkeiten, zwischen Gruppen zu vergleichen, abhängig von der Anzahl der Gruppen, den Typen der Analysevariablen usw.
Die statistischen Methoden zum Vergleich zwischen Gruppen kontinuierlicher Variablen umfassen hauptsächlich den t-Test, die Varianzanalyse, den Rangsummentest usw. Wenn Sie eine statistische Methode für den Vergleich zwischen Gruppen kontinuierlicher Variablen auswählen, können Sie sich auf Abbildung 1 beziehen der Abweichung Fehler.
Abbildung 1 Ideen für die Auswahl von Vergleichsmethoden zwischen Gruppen kontinuierlicher Variablen
Bei der Auswahl einer statistischen Methode sind folgende Hauptüberlegungen zu berücksichtigen:
- Forschungsdesign (völlig zufälliges oder gepaartes Design)
- Anzahl der Gruppen (zwei Gruppen oder mehrere Gruppen)
- Normalverteilung (normal oder nicht normal)
- Homogenität der Varianz (gerade oder ungerade Varianz)
Die wichtigsten statistischen Methoden zum Vergleich zwischen kategorialen Variablen sind der Chi-Quadrat-Test und der Rangsummentest. Die Methodenauswahl ist in Abbildung 2 dargestellt.
Bei der Auswahl einer statistischen Methode zum Vergleich kategorialer Variablen sind folgende Hauptfaktoren zu berücksichtigen:
- Forschungsdesign (völlig zufälliges oder gepaartes Design)
- Vergleichen Sie die Anzahl der Gruppen (zwei Gruppen oder mehrere Gruppen)
- Arten von Ergebnisindikatoren (zwei Kategorien oder mehrere Kategorien; geordnet oder ungeordnet)
Die Wahl der Methode hängt hauptsächlich von der Art des Ergebnisindex ab (beachten Sie, dass es sich nicht um eine Gruppierungsvariable handelt):
- Wenn es sich um ein binäres Ergebnis handelt, wird der Chi-Quadrat-Test verwendet;
- Wenn es sich um ein Ergebnis mit mehreren Kategorien handelt, muss berücksichtigt werden, ob der Ergebnisindikator geordnet oder ungeordnet ist. Wenn es sich um eine ungeordnete Variable handelt, verwenden Sie den Chi-Quadrat-Test, wenn es sich um eine ordinale Variable handelt, verwenden Sie den Rangsummentest.
Abbildung 2 Ideen für die Auswahl von Vergleichsmethoden zwischen kategorialen Variablengruppen
JMP Vergleich zwischen den Gruppen in der Tabelle
In JMP können die meisten Vergleiche zwischen Gruppen in der X-Fit-Y-Funktionstabelle (Abbildung 3) durchgeführt werden, was bedeutet, dass es sich um T-Test, Rangsummentest, Varianzanalyse oder Chi-Quadrat-Test handelt bestanden dieses Modul erreichen.
Abbildung 3 Fit Y mit X-Menü
Die Oberfläche der Anpassung der Y-Funktionstabelle an X ist in Abbildung 4 dargestellt und Sie können sich zunächst einen intuitiven Eindruck verschaffen.
Abbildung 4 Verwenden Sie X, um die Y-Menüoberfläche anzupassen
Dieses Menü kann für Personen, die an eine bestimmte Methode (wie t-Test, Varianzanalyse) gewöhnt sind, etwas verwirrend sein.
Wie Sie sehen können, werden in Abbildung 4 unten links vier Methoden kombiniert, je nachdem, ob x klassifiziert oder stetig und y klassifiziert oder stetig ist:
① X ist eine kategoriale Variable und Y ist eine kontinuierliche Variable, die Ergebnisse einer Einzelfaktoranalyse ausgeben kann, einschließlich t-Test, Varianzanalyse und Rangsummentest usw.;
② X ist eine kategoriale Variable, Y ist eine kategoriale Variable, Ausgabe der Kontingenz, dh das Ergebnis des Chi-Quadrat-Tests;
③ X ist eine stetige Variable, Y ist eine stetige Variable, Ausgabe einer linearen Einfaktorregression;
④ X ist eine stetige Variable, Y ist eine kategoriale Variable und die logistische Regression wird ausgegeben.
Daher ist dies das Merkmal der JMP-Funktionstabelle, die statistische Methoden nach dem Zweck kategorisiert, denn ob es sich um T-Test, Chi-Quadrat-Test, Varianzanalyse usw. handelt, die Struktur ist dieselbe, es handelt sich um eine Gruppierungsvariable , ein Analyseindikator , der den beiden oben genannten Situationen entspricht. Mit anderen Worten, der Vergleich zwischen Gruppen ist in der Funktionstabelle von Fit Y mit X enthalten, aber die Funktion der Funktionstabelle von Fit Y mit X ist nicht auf den Vergleich zwischen Gruppen beschränkt, wir werden sie im Folgenden weiter vorstellen Artikel.
Wie benutzt man x Fit Ja 」Vervollständigen Sie den Vergleich zwischen den Gruppen
Nehmen wir als Nächstes einen Fall, um zu sehen, wie Sie "Y mit X anpassen" verwenden, um einen Vergleich zwischen Gruppen zu erzielen.
Angenommen, wir haben die folgenden Informationen (Abbildung 5). Unser Ziel ist es zu untersuchen, ob es Unterschiede in den körperlichen Gesundheitswerten von Menschen mit unterschiedlichen Dyspnoe-Werten gibt. Mit anderen Worten, der Grad der Dyspnoe ist die Gruppierungsvariable X (auch Argument, erklärende Variable genannt) und der körperliche Gesundheitsscore ist die analytische Variable Y (auch Ergebnisvariable, abhängige Variable genannt).
Abbildung 5 In diesem Artikel verwendete Daten
Klicken Sie auf „Analyze“ → „Fit Y with X“, um die Bedienoberfläche aufzurufen, wie in Abbildung 6 gezeigt. Atembeschwerden sind eine Gruppierungsvariable. Geben Sie sie in "X, Faktor" und als Ergebnisindikator ein, geben Sie sie in "Y, Reaktion" ein und klicken Sie auf OK, um die Ergebnisschnittstelle aufzurufen.
Abbildung 6 Schematische Darstellung der Vergleichsoperation zwischen Gruppen
Das Ergebnis ist in Abbildung 7 dargestellt. Wenn Sie sich dieses Ergebnis ansehen, werden Sie vielleicht verwirrt sein, da im Ergebnis nur ein Bild in Abbildung 7 gezeigt wird.
Dies ist auch eine wichtige Funktion von JMP, dh Sie können das gewünschte Ergebnis entsprechend Ihrem Zweck in der Ergebnisoberfläche anzeigen, anstatt es im Menü auszuwählen. Die Auswahl in den Ergebnissen hat den Vorteil, dass Sie es nicht gewohnt sind, zurück zur Menübedienungsoberfläche zu wechseln.
Abbildung 7 Ergebnisgrafik der Ausgabe
Wenn Sie auf das kleine rote Dreiecksmenü in der oberen linken Ecke von Abbildung 7 klicken, können Sie sehen, dass die verfügbaren Ergebnisse so reichhaltig sind (Abbildung 8), die verschiedene Methoden enthält, die beim Vergleich zwischen Gruppen kontinuierlicher Variablen verwendet werden können, wie z B. t-Test, Varianzanalyse, verschiedene nichtparametrische Tests, Äquivalenztests, Varianzhomogenitätstests, etc. Sie können entsprechend der tatsächlichen Situation überprüfen, um den entsprechenden Teil des Ergebnisses anzuzeigen.
Abbildung 8 Vergleichsergebnisschnittstelle zwischen kontinuierlichen Variablengruppen
In diesem Beispiel wird beispielsweise die Gruppierungsvariable Dyspnoe in zwei Gruppen eingeteilt, wir können zurückblicken und die Ideen in Abbildung 1 vergleichen. angepasster t-Test (t'-Test) und Nicht-Parameter-Verifizierung.
Welche Methode Sie am Ende wählen müssen, ist keine Frage der Statistiksoftware, sondern die Arbeit des Analytikers selbst. Zunächst müssen Sie feststellen, ob die beiden Sätze der körperlichen Gesundheit der Normalverteilung entsprechen und ob die Varianzen gleich sind. Wenn diese beiden Bedingungen erfüllt sind, können Sie das Ergebnis des t-Tests überprüfen, andernfalls müssen Sie möglicherweise eine nicht parametrische Testmethode wählen.
Wenn wir zum Beispiel wissen möchten, ob die beiden Gruppen die gleiche Varianz haben, können wir in Abbildung 8 "Ungleiche Varianz" überprüfen. Nach der Überprüfung zeigt die Ergebnisschnittstelle mehr Ergebnisse zum Homogenitätstest der Varianz (Abbildung 9). Die Ergebnisse zeigen, dass der P-Wert weit unter 0,05 liegt und die Varianz nicht als einheitlich angesehen werden kann, dh der t-Test kann nicht direkt verwendet werden.
Das Ergebnis stellt auch die Vergleichsergebnisse der beiden Gruppen unter der Bedingung der ungeraden Varianz dar, dh das Ergebnis des Welch-Tests im letzten Teil der Abbildung Die Ergebnisse haben klar gezeigt, dass diese Methode für den Fall verwendet werden kann, dass die Varianzen der beiden Gruppen sind nicht gleich. Aus den Ergebnissen ist ersichtlich, dass die körperlichen Gesundheitswerte der beiden Gruppen statistisch unterschiedlich sind.
Abbildung 9 Testergebnisse der Varianzhomogenität
JMP Vergleichsfunktionstabelle zwischen Gruppen 4 Großes Feature
Durch die obige vorläufige Einführung glaube ich, dass jeder ein gewisses Verständnis der JMP-Implementierung von Vergleichsoperationen zwischen Gruppen hat, aus denen Sie die vier Hauptmerkmale der statistischen JMP-Analyse erkennen können:
1. Die Bedienung ist denkbar einfach
Das Bedienmenü von JMP ist sehr einfach, Sie müssen nur x und y auswählen, dh solange Sie klar unterscheiden können, welche Gruppierungsvariable und welche die Endvariable ist. Für Forscher ist das kein Problem.
2. Explorative autonome Analyse
Die Ergebnisschnittstelle von JMP gibt Analysten große Eigeninitiative: Sie können bestimmte Ergebnisse nach Bedarf überprüfen oder überprüfen.
Das ist eigentlich gut so, denn dafür müssen Sie zunächst klären, welche Methode Sie verwenden möchten, statt jeder kontinuierlichen Variablen müssen Sie den t-Test verwenden. Sie müssen die Normalität und Homogenität der Varianz von kontinuierlichen Variablen ermitteln und dann die gewünschten Ergebnisse basierend auf den Ergebnissen überprüfen.
3. Interaktive Visualisierung überall
Als Software mit interaktiver Visualisierung zeigt der grafisch darstellbare Teil der JMP-Analyseergebnisse die Ergebnisse grafisch an, was dem Analytiker ein intuitiveres Auffinden der Unterschiede zwischen den Gruppen erleichtern kann. Man kann sagen, dass die interaktive visuelle Analyse in JMP allgegenwärtig ist.
4. Zweite Exploration und Analyse in den Ergebnissen
In der JMP-Ergebnisschnittstelle bietet sie neben verschiedenen Methoden auch verschiedene Modifikationsmöglichkeiten: Sie können die Grafiken und Ergebnisse in den Ergebnissen jederzeit ändern und explorative Analysen sehr komfortabel flexibel durchführen.
Anhand eines einfachen Falls wird die leistungsstarke Funktion des JMP-Gruppenvergleichs vorgestellt.Im Folgeartikel führen wir Sie zu einer detaillierten Beschreibung der spezifischen Gruppenvergleichsmethode und deren Bedienung in JMP, laden Sie JMP herunter und öffnen Sie Ihre Reise der Datenanalyse.
Original: Ein magisches JMP-Menü, um den Vergleich aller Datengruppen zu realisieren
[Empfohlene Lektüre] #10 unverzichtbare Fähigkeiten für die Datenanalyse:
