La comparaison entre groupes est le contenu de base de l'analyse statistique. En termes simples, il s'agit de comparer les indicateurs entre deux ou plusieurs groupes. Cet indicateur peut être une variable continue ou une variable catégorielle. Toute analyse statistique est quasiment indissociable de la comparaison entre les groupes. Par exemple, dans un essai contrôlé randomisé, l'objectif principal est de comparer l'efficacité des deux groupes.Dans une analyse multivariée, la comparaison entre les groupes est généralement utilisée comme résultat de base et doit être montrée à tout le monde.
Aujourd'hui, je vais vous présenter que JMP dispose d'une table de fonctions magique, qui peut réaliser presque toutes les comparaisons de groupes. Cette table de fonctions est adaptée à X à Y.
Quel est X Ajuster oui ?
Pour le dire simplement, le facteur de groupe est considéré comme x, et la variable à analyser est considérée comme la variable dépendante y. Selon les types de variables x et y, le logiciel JMP déterminera automatiquement la méthode appropriée.
Pourquoi cette fonction est-elle si magique ? Cet article expliquera séparément plusieurs aspects :
- Sélection de méthodes de comparaison communes entre les groupes ;
- Relier les méthodes de comparaison communes entre les groupes d'un point de vue macro ;
- A travers un boîtier, comment utiliser une table de fonctions de JMP pour réaliser toutes les comparaisons entre groupes.
Quant aux méthodes spécifiques de comparaison entre groupes, nous les présenterons les unes après les autres dans une série d'articles.
Comment choisir la méthode de comparaison entre les groupes ?
Il existe de nombreuses façons de comparer les groupes, selon le nombre de groupes, les types de variables d'analyse, etc.
Les méthodes statistiques de comparaison entre les groupes de variables continues comprennent principalement le test t, l'analyse de la variance, le test de la somme des rangs, etc. Vous pouvez vous référer à la figure 1 lors du choix d'une méthode statistique de comparaison entre des groupes de variables continues. Si vous vous référez attentivement à cette figure lors de l'analyse des données, vous n'utiliserez pas le test t pour analyser des données non normales, ou oublierez de faire le test d'homogénéité erreur.
Figure 1 Idées pour le choix des méthodes de comparaison entre les groupes de variables continues
Lors du choix d'une méthode statistique, les principales considérations sont les suivantes :
- Conception de recherche (conception complètement aléatoire ou par paires)
- Nombre de groupes (deux groupes ou plusieurs groupes)
- Distribution normale (normale ou non normale)
- Homogénéité de la variance (variance paire ou inégale)
Les principales méthodes statistiques de comparaison entre les variables catégorielles sont le test du chi carré et le test de la somme des rangs. La sélection de la méthode est illustrée à la figure 2.
Lors du choix d'une méthode statistique pour comparer les variables catégorielles, les principaux facteurs à prendre en compte sont les suivants :
- Conception de recherche (conception complètement aléatoire ou par paires)
- Comparez le nombre de groupes (deux groupes ou plusieurs groupes)
- Types d'indicateurs de résultats (deux catégories ou plusieurs catégories ; ordonnés ou désordonnés)
Le choix de la méthode est principalement lié à la nature de l'indice de résultat (à noter qu'il ne s'agit pas d'une variable de regroupement) :
- S'il s'agit d'un résultat binaire, le test du chi carré est utilisé ;
- S'il s'agit d'un résultat multi-catégorie, il est nécessaire de considérer si l'indicateur de résultat est ordonné ou désordonné, s'il s'agit d'une variable désordonnée, utilisez le test du chi carré, s'il s'agit d'une variable ordinale, utilisez le test de la somme des rangs.
Figure 2 Idées pour le choix des méthodes de comparaison entre les groupes de variables catégorielles
JMP Comparaison entre les groupes dans le tableau
Dans JMP, la plupart des comparaisons entre les groupes peuvent être effectuées dans le tableau de fonctions X fit Y (Figure 3), ce qui signifie que peu importe qu'il s'agisse de test t, de test de la somme des rangs, d'analyse de variance ou de test du chi carré, tous passer ce module accomplir.
Figure 3 Ajuster Y avec le menu X
L'interface d'ajustement de la table de fonction Y avec X est illustrée à la figure 4, et vous pouvez d'abord avoir une impression intuitive.
Figure 4 Utilisez X pour adapter l'interface de menu Y
Ce menu peut être un peu déroutant pour les personnes habituées à une méthode spécifique (comme le test t, l'analyse de la variance).
Comme vous pouvez le constater, en bas à gauche de la figure 4, selon que x est classé ou continu, et y est classé ou continu, quatre méthodes sont combinées :
① X est une variable catégorielle et Y est une variable continue, qui peut produire des résultats d'analyse factorielle unique, y compris le test t, l'analyse de la variance et le test de la somme des rangs, etc. ;
② X est une variable catégorielle, Y est une variable catégorielle, génère la contingence, c'est-à-dire le résultat du test du chi carré ;
③ X est une variable continue, Y est une variable continue, génère une régression linéaire à un facteur ;
④ X est une variable continue, Y est une variable catégorielle et une régression logistique est produite.
C'est donc la caractéristique de la table de fonction JMP, elle catégorise les méthodes statistiques à partir de l'objet, car qu'il s'agisse du test t, du test du chi carré, de l'analyse de la variance, etc., la structure est la même, c'est une variable de regroupement , un indicateur d'analyse , qui correspond aux deux situations évoquées ci-dessus. En d'autres termes, la comparaison entre les groupes est incluse dans la table de fonction de Fit Y avec X, mais la fonction de la table de fonction de Fit Y avec X ne se limite pas à la comparaison entre les groupes.Nous continuerons à l'introduire dans ce qui suit article.
Comment utiliser X Ajuster Oui Compléter la comparaison entre les groupes
Ensuite, prenons un cas pour voir comment utiliser "Ajuster Y avec X" pour effectuer une comparaison entre les groupes.
Supposons que nous ayons les informations suivantes (Figure 5). Notre objectif est d'explorer s'il existe des différences dans les scores de santé physique des personnes ayant différents niveaux de dyspnée. En d'autres termes, le degré de dyspnée est la variable de regroupement X (également appelée argument, variable explicative), et le score de santé physique est la variable analytique Y (également appelée variable de résultat, variable dépendante).
Figure 5 Données utilisées dans cet article
Cliquez sur "Analyser" → "Ajuster Y avec X" pour entrer dans l'interface d'opération, comme le montre la figure 6. La difficulté à respirer est une variable de regroupement, alors mettez-la dans "X, facteur" et le score de santé physique comme indicateur de résultat, mettez-la dans "Y, réponse", cliquez sur OK pour entrer dans l'interface de résultat.
Figure 6 Schéma de principe de l'opération de comparaison entre groupes
Le résultat est illustré à la figure 7. Lorsque vous regardez ce résultat, vous pouvez être perplexe, car il n'y a qu'une seule image montrée dans la figure 7 dans le résultat.
C'est également une fonctionnalité majeure de JMP, c'est-à-dire que vous pouvez afficher le résultat souhaité en fonction de votre objectif dans l'interface de résultat, au lieu de le sélectionner dans le menu. Il y a un avantage à sélectionner dans les résultats, vous n'êtes pas habitué à revenir à l'interface de fonctionnement du menu.
Figure 7 Graphique de résultat de sortie
Si vous cliquez sur le menu du petit triangle rouge dans le coin supérieur gauche de la figure 7, vous pouvez voir que les résultats disponibles sont si riches (figure 8), qui comprend diverses méthodes pouvant être utilisées dans la comparaison entre des groupes de variables continues, telles que comme test t, Analyse de variance, divers tests non paramétriques, tests d'équivalence, tests d'homogénéité de la variance, etc. Vous pouvez vérifier en fonction de la situation réelle pour afficher la partie correspondante du résultat.
Figure 8 Interface de résultat de comparaison entre groupes de variables continues
Par exemple, dans cet exemple, la variable de regroupement dyspnée est divisée en deux groupes. Nous pouvons regarder en arrière et comparer les idées de la figure 1. Pour la comparaison continue des données des deux groupes, les méthodes qui peuvent être envisagées incluent le test t, test t ajusté (test t') et vérification sans paramètre.
Quant à la méthode que vous devez choisir en fin de compte, ce n'est pas une question de logiciel statistique, mais le propre travail de l'analyste. Vous devez d'abord déterminer si les deux ensembles de scores de santé physique répondent à la distribution normale et si les variances sont uniformes. Si ces deux Si les conditions sont remplies, vous pouvez vérifier le résultat du test t, sinon vous devrez peut-être choisir une méthode de test non paramétrique.
Par exemple, si nous voulons savoir si les deux groupes ont la même variance, nous pouvons cocher « Variance inégale » dans la figure 8. Après vérification, l'interface de résultat aura plus de résultats sur le test d'homogénéité de la variance (figure 9). Les résultats montrent que la valeur P est bien inférieure à 0,05 et que la variance ne peut pas être considérée comme uniforme, c'est-à-dire que le test t ne peut pas être utilisé directement.
Le résultat donne également les résultats de comparaison des deux groupes sous la condition de variance inégale, c'est-à-dire le résultat du test de Welch dans la dernière partie de la figure.Les résultats ont clairement indiqué que cette méthode peut être utilisée pour la situation où les variances des deux groupes ne sont pas égaux. D'après les résultats, on peut voir que les scores de santé physique des deux groupes sont statistiquement différents.
Figure 9 Résultats du test d'homogénéité de la variance
JMP Tableau des fonctions de comparaison entre les groupes 4 Grande fonctionnalité
A travers l'introduction préliminaire ci-dessus, je pense que chacun a une certaine compréhension de la mise en œuvre JMP d'opérations de comparaison entre groupes, à partir de laquelle on peut découvrir les quatre caractéristiques majeures de l'analyse statistique JMP :
1. Le fonctionnement est extrêmement simple
Le menu de fonctionnement de JMP est très simple, il vous suffit de sélectionner x et y, c'est-à-dire tant que vous pouvez clairement distinguer quelle est la variable de regroupement et quelle est la variable de fin. Ce n'est pas un problème pour les chercheurs.
2. Analyse autonome exploratoire
L'interface des résultats de JMP donne aux analystes une grande initiative, vous pouvez vérifier ou contrôler certains résultats selon vos besoins.
C'est en fait une bonne chose, car cela nécessite que vous deviez d'abord clarifier la méthode que vous souhaitez utiliser, au lieu de chaque variable continue, vous devez utiliser le test t. Vous devez déterminer la normalité et l'homogénéité de la variance des variables continues, puis vérifier les résultats souhaités en fonction des résultats.
3. Visualisation interactive partout
En tant que logiciel doté d'une visualisation interactive, la partie des résultats d'analyse JMP qui peut être affichée graphiquement affichera les résultats graphiquement, ce qui peut aider l'analyste à trouver plus intuitivement la différence entre les groupes. On peut dire que l'analyse visuelle interactive est omniprésente dans JMP.
4. Deuxième exploration et analyse dans les résultats
Dans l'interface des résultats JMP, en plus de fournir diverses méthodes, il propose également diverses options de modification. Vous pouvez modifier les graphiques et les résultats des résultats à tout moment, et il est très pratique d'effectuer une analyse exploratoire de manière flexible.
À travers un cas simple, la puissante fonction de comparaison de groupe JMP est présentée. Dans l'article suivant, nous vous mènerons à une description détaillée de la méthode de comparaison de groupe spécifique et comment l'utiliser dans JMP, téléchargez JMP et ouvrez votre parcours d'analyse de données.
original: Un menu JMP magique pour réaliser la comparaison de tous les groupes de données
[Lecture recommandée] #10 compétences indispensables pour l'analyse de données :
