Il confronto tra gruppi è un contenuto fondamentale dell'analisi statistica. In parole povere, si tratta di confrontare indicatori tra due o più gruppi. Questo indicatore può essere una variabile continua o una variabile categoriale. Qualsiasi analisi statistica è quasi inseparabile dai confronti tra gruppi. Ad esempio, negli studi randomizzati e controllati, lo scopo principale è confrontare se vi sia qualche differenza di efficacia tra due gruppi; nell’analisi multivariata, i confronti tra gruppi vengono solitamente utilizzati anche come risultati di base e devono essere mostrati a tutti.
Oggi introdurremo una tabella di funzioni magica in JMP che può eseguire quasi tutti i confronti tra gruppi. Questa tabella di funzioni è: Adatta Y con X.
su cosa si basa X raccordo sì ?
Per dirla semplicemente, considera il fattore di gruppo come x e la variabile da analizzare come la variabile dipendente y. In base ai tipi di variabile xey, il software JMP determinerà automaticamente il metodo appropriato.
Perché questa funzione è così straordinaria? Questo articolo spiega ciascuno di essi sotto diversi aspetti:
- Selezione di metodi di confronto comuni tra gruppi;
- Da una prospettiva macro, collegare metodi di confronto comuni tra i gruppi;
- Attraverso un caso, introdurremo come utilizzare una tabella di funzioni di JMP per realizzare tutti i confronti tra gruppi.
Per quanto riguarda i metodi specifici di confronto tra gruppi, li presenteremo in una serie di articoli successivi.
Come scegliere un metodo di confronto tra gruppi?
Esistono molti modi per confrontare tra gruppi, a seconda del numero di gruppi, del tipo di variabili di analisi, ecc.
I metodi statistici per il confronto tra gruppi di variabili continue includono principalmente il test t, l'analisi della varianza, il test della somma dei ranghi, ecc. Quando si scelgono metodi statistici per il confronto tra gruppi di variabili continue, è possibile fare riferimento alla Figura 1. Se si fa riferimento attentamente a questa immagine quando si conduce l'analisi dei dati, non si utilizzerà il test t per analizzare dati non normali o si dimenticherà di fare l'omogeneità di test della varianza errore.
Figura 1 Idee per selezionare metodi di confronto tra gruppi di variabili continue
Quando si sceglie un metodo statistico, i fattori chiave da considerare includono:
- Disegno dello studio (disegno completamente randomizzato o appaiato)
- Numero di gruppi (due o più gruppi)
- Distribuzione normale (normale o non normale)
- Omogeneità delle varianze (varianze uguali o irregolari)
I principali metodi statistici per il confronto tra gruppi di variabili categoriali sono il test del chi quadrato e il test della somma dei ranghi. Vedere la Figura 2 per la selezione del metodo.
Quando si scelgono metodi statistici per il confronto tra gruppi di variabili categoriali, i principali fattori da considerare includono:
- Disegno dello studio (disegno completamente randomizzato o appaiato)
- Confronta il numero di gruppi (due o più gruppi)
- Categoria degli indicatori di risultato (binari o multicategoria; ordinati o disordinati)
La scelta del metodo è legata principalmente alla natura dell'indicatore di risultato (notare non la variabile di raggruppamento):
- Se si tratta di un risultato dicotomico, utilizzare il test del chi quadrato;
- Se si tratta di un risultato multicategoria, è necessario considerare se l'indicatore di risultato è ordinato o disordinato. Se si tratta di una variabile non ordinata, utilizzare il test del chi quadrato. Se è una variabile ordinata, utilizzare il test della somma dei ranghi.
Figura 2 Idee per selezionare metodi di confronto tra gruppi di variabili categoriali
JMP Menu Confronto gruppi in
In JMP, la maggior parte dei confronti tra gruppi può essere implementata in Fit Y tramite compimento.
Figura 3 Montaggio del menu Y con X
L'interfaccia per adattare la tabella delle funzioni da X a Y è mostrata nella Figura 4. Puoi avere prima un'impressione intuitiva.
Figura 4 Utilizzare X per adattare l'interfaccia del menu Y
Questo menu potrebbe creare un po' di confusione per le persone abituate a un metodo specifico (come il test t, l'analisi della varianza).
Puoi notare che nell'angolo in basso a sinistra della Figura 4, quattro tipi di metodi sono combinati a seconda che x sia categorico o continuo e y sia categorico o continuo:
① X è una variabile categoriale, Y è una variabile continua e possono essere restituiti risultati di analisi a fattore singolo, inclusi test t, analisi della varianza e test della somma dei ranghi, ecc.;
② X è una variabile categoriale, Y è una variabile categoriale e viene generata la contingenza, che è il risultato del test chi-quadrato;
③ X è una variabile continua, Y è una variabile continua e viene generata una regressione lineare a fattore singolo;
④ X è una variabile continua, Y è una variabile categoriale e viene generata una regressione logistica.
Pertanto, questa è la caratteristica della tabella delle funzioni JMP: classifica i metodi statistici per scopo, perché sia che si tratti di test t, test chi quadrato, analisi della varianza, ecc., la sua struttura è la stessa, che è una variabile di raggruppamento e una indicatore di analisi. , che corrisponde alle due situazioni ①② sopra menzionate. In altre parole, il confronto tra gruppi è incluso nel menu Adatta Y con X, ma la funzione Adatta Y con
Come utilizzare "Con X raccordo Y "Confronto completo tra gruppi
Successivamente, diamo un'occhiata a come utilizzare "Adatta Y con X" per ottenere un confronto tra gruppi attraverso un caso.
Supponiamo di avere i seguenti dati (Figura 5). Il nostro scopo era esplorare se esistessero differenze nei punteggi di salute fisica tra persone con diversi livelli di dispnea. In altre parole, il grado di dispnea è la variabile di raggruppamento X (chiamata anche indice, variabile esplicativa), e il punteggio di salute fisica è la variabile di analisi Y (chiamata anche variabile di risultato, variabile dipendente).
Figura 5 Dati utilizzati in questo articolo
Fare clic su "Analisi" → "Adatta Y con X" per accedere all'interfaccia operativa, come mostrato nella Figura 6. La dispnea è una variabile di raggruppamento, quindi inseriscila in "X, fattore", il punteggio della salute fisica è l'indicatore di risultato, inseriscila in "Y, risposta", fai clic su OK per accedere all'interfaccia dei risultati.
Figura 6 Diagramma schematico dell'operazione di confronto tra gruppi
I risultati sono mostrati nella Figura 7. Quando guardi questo risultato, potresti essere confuso perché nella Figura 7 è mostrata solo un'immagine.
Anche questa è una caratteristica importante di JMP, ovvero i risultati necessari possono essere visualizzati in base al proprio scopo nell'interfaccia dei risultati invece di selezionarli nel menu. Il vantaggio di selezionare dai risultati è che non è necessario passare avanti e indietro all'interfaccia del menu.
Figura 7 Diagramma dei risultati di output
Se si fa clic sul menu del piccolo triangolo rosso nell'angolo in alto a sinistra della Figura 7, è possibile vedere che i risultati disponibili sono così ricchi (Figura 8), che includono vari metodi che possono essere utilizzati nei confronti tra gruppi di variabili continue, come come t-test, analisi della varianza, vari test non parametrici, test di equivalenza, test di omogeneità della varianza, ecc. È possibile verificare in base alla situazione reale per visualizzare i risultati parziali corrispondenti.
Figura 8 Interfaccia dei risultati del confronto tra gruppi di variabili continue
Ad esempio, in questo esempio, la variabile di raggruppamento dispnea è divisa in due gruppi. Possiamo fare riferimento all'idea della Figura 1. Per il confronto dei dati continui tra i due gruppi, i metodi che possono essere considerati includono il test t, corretto test t (test t') e test non parametrici.
Quanto al metodo da scegliere alla fine, non è un problema del software statistico, ma del lavoro dell’analista stesso: bisogna prima chiarire se i due insiemi di punteggi di salute fisica soddisfano la distribuzione normale e se le varianze sono uguali Se questi due Se le condizioni sono soddisfatte, è possibile verificare i risultati del test t, altrimenti potrebbe essere necessario scegliere il metodo di test non parametrico.
Ad esempio, se vogliamo sapere se i due gruppi hanno varianze uguali, possiamo selezionare "Varianze disuguali" nella Figura 8. Dopo il controllo, l'interfaccia dei risultati mostrerà alcuni risultati sull'omogeneità del test della varianza (Figura 9). I risultati mostrano che il valore P è molto inferiore a 0,05 e le varianze non possono essere considerate uguali, ovvero il test t non può essere utilizzato direttamente.
I risultati forniscono anche i risultati del confronto dei due gruppi in condizioni di varianze disuguali, ovvero i risultati del test di Welch nell'ultima parte della figura. I risultati hanno chiaramente mostrato che questo metodo può essere utilizzato quando le varianze dei due i gruppi sono disuguali. Dai risultati si può vedere che esiste una differenza statistica nei punteggi di salute fisica tra i due gruppi.
Figura 9 Risultati del test di omogeneità della varianza
JMP Tabella delle funzioni di confronto tra gruppi 4 Grande caratteristica
Attraverso l'introduzione preliminare di cui sopra, credo che tutti abbiano una certa comprensione del funzionamento del confronto tra gruppi di JMP e da ciò possiamo scoprire le quattro caratteristiche principali dell'analisi statistica di JMP:
1. Estremamente semplice da usare
Il menu operativo di JMP è molto semplice: basta selezionare xey, purché si possa distinguere chiaramente quale è la variabile di raggruppamento e quale è la variabile finale. Questo non è un problema per i ricercatori.
2. analisi esplorativa autonoma
L'interfaccia dei risultati di JMP offre agli analisti una grande iniziativa: puoi selezionare o spuntare determinati risultati in base alle tue esigenze.
Questa è in realtà una buona cosa, perché richiede prima di chiarire quale metodo si desidera utilizzare, invece di utilizzare il test t ogni volta che si ha una variabile continua. È necessario prima capire la normalità e l'omogeneità delle varianze delle variabili continue, quindi verificare i risultati desiderati in base ai risultati.
3. Visualizzazione interattiva ovunque
Essendo un software caratterizzato dalla visualizzazione interattiva, i risultati dell'analisi JMP verranno visualizzati graficamente per quelle parti che possono essere visualizzate graficamente, il che rende più semplice per gli analisti scoprire le differenze tra i gruppi in modo più intuitivo. Si può dire che l'analisi visiva interattiva è ovunque in JMP.
4. Analisi esplorativa secondaria nei risultati
Oltre a fornire vari metodi, l'interfaccia dei risultati di JMP offre anche varie opzioni di modifica: puoi modificare la grafica e i risultati in qualsiasi momento nei risultati e condurre analisi esplorative in modo flessibile, il che è molto conveniente.
Attraverso un semplice caso, verrà presentata la potente funzione del confronto tra gruppi di JMP. Negli articoli successivi, vi condurremo a spiegare in dettaglio lo specifico metodo di confronto tra gruppi e come utilizzarlo in JMP. Scarica JMP. Avvia i tuoi dati percorso di analisi.
originale: Un magico menu JMP per ottenere tutti i confronti dei dati tra gruppi
[Lettura consigliata] #10 competenze indispensabili per l'analisi dei dati:
