La comparación entre grupos es un contenido básico en el análisis estadístico, en pocas palabras, consiste en comparar indicadores entre dos o más grupos, este indicador puede ser una variable continua o una variable categórica. Cualquier análisis estadístico es casi inseparable de las comparaciones entre grupos. Por ejemplo, en los ensayos controlados aleatorios, el objetivo principal es comparar si existe alguna diferencia en la eficacia entre dos grupos; en el análisis multivariado, las comparaciones entre grupos generalmente también se utilizan como resultados de referencia y deben mostrarse a todos.
Hoy vamos a presentar una tabla de funciones mágicas en JMP que puede lograr casi todas las comparaciones entre grupos. Esta tabla de funciones es: Ajustar Y con X.
en qué se basa X adecuado y ?
En pocas palabras, considere el factor de grupo como x y la variable a analizar como la variable dependiente y. Según los tipos de variables xey, el software JMP determinará automáticamente el método apropiado.
¿Por qué esta función es tan sorprendente? Este artículo explica cada uno desde varios aspectos:
- Selección de métodos de comparación comunes entre grupos;
- Desde una perspectiva macro, conecte métodos de comparación comunes entre grupos;
- A través de un caso, presentaremos cómo utilizar una tabla de funciones de JMP para realizar todas las comparaciones entre grupos.
En cuanto a los métodos de comparación específicos entre grupos, los presentaremos en una serie de artículos más adelante.
¿Cómo elegir el método de comparación entre grupos?
Hay muchas formas de comparar entre grupos, dependiendo del número de grupos, del tipo de variables de análisis, etc.
Los métodos estadísticos para la comparación entre grupos de variables continuas incluyen principalmente la prueba t, el análisis de varianza, la prueba de suma de rangos, etc. Puede consultar la Figura 1 al elegir métodos estadísticos para comparar grupos de variables continuas. Si consulta cuidadosamente esta imagen al realizar el análisis de datos, no utilizará la prueba t para analizar datos no normales ni se olvidará de hacer la homogeneidad de prueba de varianza error.
Figura 1 Ideas para seleccionar métodos de comparación entre grupos de variables continuas
Al elegir un método estadístico, los factores clave a considerar incluyen:
- Diseño del estudio (diseño completamente aleatorizado o pareado)
- Número de grupos (dos o más grupos)
- Distribución normal (normal o no normal)
- Homogeneidad de varianzas (varianzas iguales o desiguales)
Los principales métodos estadísticos para la comparación entre grupos de variables categóricas son la prueba de chi-cuadrado y la prueba de suma de rangos. Consulte la Figura 2 para seleccionar el método.
Al elegir métodos estadísticos para comparar grupos de variables categóricas, los principales factores a considerar incluyen:
- Diseño del estudio (diseño completamente aleatorizado o pareado)
- Comparar el número de grupos (dos o más grupos)
- Categoría de indicadores de resultados (binarios o multicategoría; ordenados o desordenados)
La elección del método está relacionada principalmente con la naturaleza del indicador de resultado (nótese no la variable de agrupación):
- Si es un resultado dicotómico, utilice la prueba de chi-cuadrado;
- Si se trata de un resultado de múltiples categorías, es necesario considerar si el indicador de resultado está ordenado o desordenado. Si es una variable desordenada, utilice la prueba de chi-cuadrado. Si es una variable ordenada, utilice la prueba de suma de rangos.
Figura 2 Ideas para seleccionar métodos de comparación entre grupos de variables categóricas
JMP Menú de comparación de grupos en
En JMP, la mayoría de las comparaciones entre grupos se pueden implementar en Fit Y mediante lograr.
Figura 3 Ajuste del menú Y con X
La interfaz para ajustar la tabla de funciones X a Y se muestra en la Figura 4. Primero puede tener una impresión intuitiva.
Figura 4 Utilice X para ajustar la interfaz del menú Y
Este menú puede resultar un poco confuso para las personas que están acostumbradas a un método específico (como la prueba t, el análisis de varianza).
Puede observar que en la esquina inferior izquierda de la Figura 4, se combinan cuatro tipos de métodos según si x es categórico o continuo e y es categórico o continuo:
① X es una variable categórica, Y es una variable continua y se pueden generar resultados del análisis de un solo factor, incluida la prueba t, el análisis de varianza y la prueba de suma de rangos, etc.;
② X es una variable categórica, Y es una variable categórica y se genera la contingencia, que es el resultado de la prueba de chi-cuadrado;
③ X es una variable continua, Y es una variable continua y se genera una regresión lineal de un solo factor;
④ X es una variable continua, Y es una variable categórica y se genera la regresión logística.
Por lo tanto, esta es la característica de la tabla de funciones JMP, que clasifica los métodos estadísticos por propósito, porque ya sea prueba t, prueba de chi-cuadrado, análisis de varianza, etc., su estructura es la misma, que es una variable de agrupación y una indicador de análisis. , que corresponde a las dos situaciones ①② mencionadas anteriormente. Es decir, la comparación entre grupos está incluida en el menú Fit Y with X, pero la función del Fit Y with X
Cómo utilizar "Con X adecuado Y "Comparación completa entre grupos
A continuación, echemos un vistazo a cómo utilizar "Ajustar Y con X" para lograr una comparación entre grupos a través de un caso.
Supongamos que tenemos los siguientes datos (Figura 5). Nuestro propósito fue explorar si existían diferencias en las puntuaciones de salud física entre personas con diferentes niveles de disnea. En otras palabras, el grado de disnea es la variable de agrupación X (también llamada índice, variable explicativa), y la puntuación de salud física es la variable de análisis Y (también llamada variable de resultado, variable dependiente).
Figura 5 Datos utilizados en este artículo
Haga clic en "Análisis" → "Ajustar Y con X" para ingresar a la interfaz de operación, como se muestra en la Figura 6. La disnea es una variable de agrupación, así que póngala en "X, factor", la puntuación de salud física es el indicador de resultado, póngala en "Y, respuesta", haga clic en Aceptar para ingresar a la interfaz de resultados.
Figura 6 Diagrama esquemático de la operación de comparación entre grupos.
Los resultados se muestran en la Figura 7. Cuando observa este resultado, es posible que se sienta confundido porque solo se muestra una imagen en la Figura 7.
Esta también es una característica importante de JMP, es decir, los resultados que necesita se pueden mostrar según su propósito en la interfaz de resultados en lugar de seleccionarlos en el menú. La ventaja de seleccionar entre los resultados es que no es necesario alternar entre la interfaz del menú.
Figura 7 Diagrama de resultados de salida
Si hace clic en el menú del pequeño triángulo rojo en la esquina superior izquierda de la Figura 7, puede ver que los resultados disponibles son tan ricos (Figura 8), que incluyen varios métodos que pueden usarse en comparaciones entre grupos de variables continuas, como como prueba t, análisis de varianza, diversas pruebas no paramétricas, pruebas de equivalencia, pruebas de homogeneidad de varianza, etc. Puede verificar según la situación real para mostrar los resultados parciales correspondientes.
Figura 8 Interfaz de resultados de comparación entre grupos de variables continuas
Por ejemplo, en este ejemplo, la variable de agrupación disnea se divide en dos grupos. Podemos referirnos a la idea de la Figura 1. Para la comparación de datos continuos entre los dos grupos, los métodos que se pueden considerar incluyen la prueba t, corregida. Prueba t (prueba t') y pruebas no paramétricas.
En cuanto a qué método se debe elegir al final, esto no es un problema del software estadístico, sino el trabajo del propio analista. Primero debe aclarar si los dos conjuntos de puntuaciones de salud física satisfacen la distribución normal y si las varianzas son iguales Si estos dos Si se cumplen las condiciones, puede verificar los resultados de la prueba t; de lo contrario, es posible que deba elegir el método de prueba no paramétrico.
Por ejemplo, si queremos saber si los dos grupos tienen varianzas iguales, podemos marcar "Varianzas desiguales" en la Figura 8. Después de verificar, la interfaz de resultados mostrará algunos resultados sobre la prueba de homogeneidad de varianza (Figura 9). Los resultados muestran que el valor de P es mucho menor que 0,05 y las varianzas no pueden considerarse iguales, es decir, la prueba t no se puede utilizar directamente.
Los resultados también proporcionan los resultados de comparación de los dos grupos bajo la condición de varianzas desiguales, es decir, los resultados de la prueba de Welch en la última parte de la figura. Los resultados han demostrado claramente que este método se puede utilizar cuando las varianzas de los dos Los grupos son desiguales. Se puede ver en los resultados que existe una diferencia estadística en las puntuaciones de salud física entre los dos grupos.
Figura 9 Resultados de la prueba de homogeneidad de varianza
JMP Tabla de funciones de comparación entre grupos 4 Gran característica
A través de la introducción preliminar anterior, creo que todos tienen una cierta comprensión de la operación de comparación entre grupos de JMP y, a partir de ella, podemos descubrir las cuatro características principales del análisis estadístico de JMP:
1. Extremadamente simple de operar
El menú de operación de JMP es muy simple, solo necesitas seleccionar x e y, es decir, siempre que puedas distinguir claramente cuál es la variable de agrupación y cuál es la variable final. Esto no es un problema para los investigadores.
2. análisis autónomo exploratorio
La interfaz de resultados de JMP ofrece a los analistas una gran iniciativa: pueden marcar o desactivar determinados resultados según sus necesidades.
En realidad, esto es algo bueno, porque requiere que primero aclares qué método quieres usar, en lugar de usar la prueba t cada vez que tienes una variable continua. Primero debe determinar la normalidad y homogeneidad de las varianzas de las variables continuas y luego verificar los resultados que desea en función de los resultados.
3. Visualización interactiva en todas partes
Como software caracterizado por la visualización interactiva, los resultados del análisis JMP se mostrarán gráficamente para aquellas partes que se pueden mostrar gráficamente, lo que facilita a los analistas descubrir las diferencias entre grupos de manera más intuitiva. Se puede decir que el análisis visual interactivo está en todas partes en JMP.
4. Análisis de exploración secundaria en resultados.
Además de proporcionar varios métodos, la interfaz de resultados de JMP también proporciona varias opciones de modificación: puede modificar los gráficos y los resultados en cualquier momento en los resultados y realizar análisis exploratorios de manera flexible, lo cual es muy conveniente.
A través de un caso simple, se presenta la poderosa función de comparación entre grupos de JMP. En artículos posteriores, lo llevaremos a explicar en detalle el método de comparación entre grupos específico y cómo operarlo en JMP. Descargue JMP. Inicie sus datos viaje de análisis.
original: Un menú JMP mágico para lograr todas las comparaciones de datos entre grupos
[Lectura recomendada] #10 habilidades imprescindibles para el análisis de datos:
