Der Vergleich zwischen Gruppen ist ein grundlegender Inhalt der statistischen Analyse. Einfach ausgedrückt geht es darum, Indikatoren zwischen zwei oder mehr Gruppen zu vergleichen. Dieser Indikator kann eine kontinuierliche Variable oder eine kategoriale Variable sein. Jede statistische Analyse ist nahezu untrennbar mit Vergleichen zwischen Gruppen verbunden. In randomisierten kontrollierten Studien beispielsweise besteht der Hauptzweck darin, zu vergleichen, ob es einen Unterschied in der Wirksamkeit zwischen zwei Gruppen gibt; in multivariaten Analysen werden Vergleiche zwischen Gruppen normalerweise auch als Basisergebnisse verwendet und müssen allen angezeigt werden.
Heute stellen wir in JMP eine magische Funktionstabelle vor, mit der fast alle Vergleiche zwischen Gruppen durchgeführt werden können. Diese Funktionstabelle lautet: „Y mit X anpassen“.
worauf basiert X passend zu j ?
Vereinfacht ausgedrückt betrachten wir den Gruppenfaktor als x und die zu analysierende Variable als abhängige Variable y. Basierend auf den Variablentypen x und y ermittelt die JMP-Software automatisch die geeignete Methode.
Warum ist diese Funktion so erstaunlich? In diesem Artikel werden die einzelnen Aspekte unter verschiedenen Gesichtspunkten erläutert:
- Auswahl gängiger Vergleichsmethoden zwischen Gruppen;
- Verbinden Sie aus Makroperspektive gemeinsame Vergleichsmethoden zwischen Gruppen.
- Anhand eines Falles stellen wir vor, wie man eine Funktionstabelle von JMP verwendet, um alle Vergleiche zwischen Gruppen zu realisieren.
Die spezifischen Vergleichsmethoden zwischen Gruppen werden wir später in einer Reihe von Artikeln vorstellen.
Wie wählt man eine Vergleichsmethode zwischen Gruppen?
Es gibt viele Möglichkeiten, Gruppen zu vergleichen, abhängig von der Anzahl der Gruppen, der Art der Analysevariablen usw.
Zu den statistischen Methoden zum Vergleich zwischen Gruppen kontinuierlicher Variablen gehören hauptsächlich der T-Test, die Varianzanalyse, der Rangsummentest usw. Sie können sich bei der Auswahl statistischer Methoden für den Vergleich zwischen kontinuierlichen Variablengruppen auf Abbildung 1 beziehen. Wenn Sie sich bei der Datenanalyse sorgfältig auf dieses Bild beziehen, werden Sie den t-Test nicht zur Analyse nicht normaler Daten verwenden oder vergessen, die Homogenität von zu ermitteln Varianztest. Fehler.
Abbildung 1 Ideen zur Auswahl von Vergleichsmethoden zwischen kontinuierlichen Variablengruppen
Bei der Auswahl einer statistischen Methode sind folgende Schlüsselfaktoren zu berücksichtigen:
- Studiendesign (vollständig randomisiertes oder gepaartes Design)
- Anzahl der Gruppen (zwei oder mehr Gruppen)
- Normalverteilung (normal oder nicht normal)
- Homogenität der Varianzen (gleiche oder ungleiche Varianzen)
Die statistischen Methoden zum Vergleich zwischen Gruppen kategorialer Variablen sind hauptsächlich der Chi-Quadrat-Test und der Rangsummentest. Zur Methodenauswahl siehe Abbildung 2.
Bei der Auswahl statistischer Methoden zum Vergleich zwischen Gruppen kategorialer Variablen sind folgende Hauptfaktoren zu berücksichtigen:
- Studiendesign (vollständig randomisiertes oder gepaartes Design)
- Vergleichen Sie die Anzahl der Gruppen (zwei oder mehr Gruppen)
- Kategorie der Ergebnisindikatoren (binär oder mehrkategorisch; geordnet oder ungeordnet)
Die Wahl der Methode hängt hauptsächlich von der Art des Ergebnisindikators ab (beachten Sie nicht die Gruppierungsvariable):
- Wenn es sich um ein dichotomes Ergebnis handelt, verwenden Sie den Chi-Quadrat-Test.
- Wenn es sich um ein Ergebnis mit mehreren Kategorien handelt, müssen Sie berücksichtigen, 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 geordnete Variable handelt, verwenden Sie den Rangsummentest.
Abbildung 2 Ideen zur Auswahl von Vergleichsmethoden zwischen Gruppen kategorialer Variablen
JMP Gruppenvergleichsmenü in
In JMP können die meisten Vergleiche zwischen Gruppen durch Ausführen in Fit Y implementiert werden.
Abbildung 3 Anpassen des Y-Menüs an X
Die Schnittstelle zum Anpassen der X- an die Y-Funktionstabelle ist in Abbildung 4 dargestellt. Sie können sich zunächst einen intuitiven Eindruck verschaffen.
Abbildung 4: Verwenden Sie X, um die Y-Menüoberfläche anzupassen
Dieses Menü kann für Personen, die mit einer bestimmten Methode vertraut sind (z. B. T-Test, Varianzanalyse), etwas verwirrend sein.
Sie können sehen, dass in der unteren linken Ecke von Abbildung 4 vier Arten von Methoden kombiniert werden, je nachdem, ob x kategorisch oder stetig und y kategorisch oder stetig ist:
①
② X ist eine kategoriale Variable, Y ist eine kategoriale Variable und die Kontingenz wird ausgegeben, was das Ergebnis des Chi-Quadrat-Tests ist;
③ X ist eine kontinuierliche Variable, Y ist eine kontinuierliche Variable und es wird eine lineare Regression mit einem Faktor ausgegeben.
④ X ist eine kontinuierliche Variable, Y ist eine kategoriale Variable und es wird eine logistische Regression ausgegeben.
Daher ist dies das Merkmal der JMP-Funktionstabelle. Sie klassifiziert statistische Methoden nach Zweck, denn unabhängig davon, ob es sich um einen T-Test, einen Chi-Quadrat-Test, eine Varianzanalyse usw. handelt, ist ihre Struktur dieselbe, nämlich eine Gruppierungsvariable und eine Analyseindikator. , was den beiden oben genannten Situationen ①② entspricht. Mit anderen Worten: Der Vergleich zwischen Gruppen ist im Menü „Y mit X anpassen“ enthalten, die Funktion „Y mit X anpassen“ ist jedoch nicht verfügbar
So verwenden Sie „Mit X passend zu Y „Vollständiger Vergleich zwischen Gruppen
Schauen wir uns als Nächstes an, wie Sie mithilfe von „Fit Y with X“ einen Vergleich zwischen Gruppen anhand eines Falls erzielen können.
Angenommen, wir haben die folgenden Daten (Abbildung 5). Unser Ziel war es zu untersuchen, ob es Unterschiede in der Bewertung der körperlichen Gesundheit bei Menschen mit unterschiedlichem Grad an Dyspnoe gibt. Mit anderen Worten: Der Grad der Dyspnoe ist die Gruppierungsvariable X (auch Index, erklärende Variable genannt) und der körperliche Gesundheitswert ist die Analysevariable Y (auch Ergebnisvariable, abhängige Variable genannt).
Abbildung 5 In diesem Artikel verwendete Daten
Klicken Sie auf „Analyse“ → „Y mit X anpassen“, um die Bedienoberfläche aufzurufen, wie in Abbildung 6 dargestellt. Dyspnoe ist eine Gruppierungsvariable, also geben Sie sie in „X, Faktor“ ein. Der physische Gesundheitswert ist der Ergebnisindikator, geben Sie sie in „Y, Reaktion“ ein und klicken Sie auf „OK“, um die Ergebnisoberfläche aufzurufen.
Abbildung 6 Schematische Darstellung der Vergleichsoperation zwischen Gruppen
Die Ergebnisse sind in Abbildung 7 dargestellt. Wenn Sie sich dieses Ergebnis ansehen, sind Sie möglicherweise verwirrt, da in Abbildung 7 nur ein Bild dargestellt ist.
Dies ist auch ein Hauptmerkmal von JMP, d. h. die von Ihnen benötigten Ergebnisse können entsprechend Ihrem Zweck in der Ergebnisoberfläche angezeigt werden, anstatt sie im Menü auszuwählen. Der Vorteil der Auswahl aus den Ergebnissen besteht darin, dass Sie nicht zur Menüoberfläche hin und her wechseln müssen.
Abbildung 7 Ausgabeergebnisdiagramm
Wenn Sie auf das kleine rote Dreiecksmenü in der oberen linken Ecke von Abbildung 7 klicken, können Sie sehen, dass die verfügbaren Ergebnisse so umfangreich sind (Abbildung 8), dass sie verschiedene Methoden umfassen, die bei Vergleichen zwischen Gruppen kontinuierlicher Variablen verwendet werden können, z B. t-Test, Varianzanalyse, verschiedene nichtparametrische Tests, Äquivalenztests, Homogenitätstests der Varianz usw. Sie können entsprechend der tatsächlichen Situation überprüfen, um die entsprechenden Teilergebnisse anzuzeigen.
Abbildung 8 Vergleichsergebnisschnittstelle zwischen kontinuierlichen Variablengruppen
In diesem Beispiel wird beispielsweise die Gruppierungsvariable Dyspnoe in zwei Gruppen unterteilt. Wir können auf die Idee in Abbildung 1 zurückgreifen. Für den Vergleich kontinuierlicher Daten zwischen den beiden Gruppen können folgende Methoden in Betracht gezogen werden: t-Test, korrigiert t-Test (t'-Test) und nichtparametrisches Testen.
Welche Methode am Ende gewählt werden muss, ist kein Problem der Statistiksoftware, sondern die Aufgabe des Analysten selbst. Zunächst muss geklärt werden, ob die beiden Sätze der körperlichen Gesundheitswerte der Normalverteilung genügen und ob die Varianzen bestehen sind gleich. Wenn diese beiden Bedingungen erfüllt sind, können Sie die Ergebnisse des t-Tests überprüfen. Andernfalls müssen Sie möglicherweise die nichtparametrische Testmethode auswählen.
Wenn wir beispielsweise wissen möchten, ob die beiden Gruppen gleiche Varianzen haben, können wir in Abbildung 8 „Ungleiche Varianzen“ überprüfen. Nach der Überprüfung zeigt die Ergebnisschnittstelle einige Ergebnisse zum Homogenitäts-Varianz-Test an (Abbildung 9). Die Ergebnisse zeigen, dass der P-Wert weit unter 0,05 liegt und die Varianzen nicht als gleich betrachtet werden können, d. h. der t-Test kann nicht direkt verwendet werden.
Die Ergebnisse liefern auch die Vergleichsergebnisse der beiden Gruppen unter der Bedingung ungleicher Varianzen, also die Welch-Testergebnisse im letzten Teil der Abbildung. Die Ergebnisse haben deutlich gezeigt, dass diese Methode verwendet werden kann, wenn die Varianzen der beiden Gruppen unterschiedlich sind Gruppen sind ungleich. Aus den Ergebnissen ist ersichtlich, dass es einen statistischen Unterschied in den körperlichen Gesundheitswerten zwischen den beiden Gruppen gibt.
Abbildung 9 Ergebnisse des Varianzhomogenitätstests
JMP Vergleichsfunktionstabelle zwischen Gruppen 4 Großes Feature
Durch die obige vorläufige Einführung glaube ich, dass jeder ein gewisses Verständnis für die Vergleichsoperation zwischen Gruppen von JMP hat. Daraus können wir die vier Hauptmerkmale der statistischen Analyse von JMP entdecken:
1. Extrem einfache Bedienung
Das Bedienmenü von JMP ist sehr einfach: Sie müssen nur x und y auswählen, das heißt, solange Sie klar unterscheiden können, welche Gruppierungsvariable und welche Endvariable ist. Für Forscher ist das kein Problem.
2. explorative autonome Analyse
Die Ergebnisschnittstelle von JMP gibt Analysten eine große Initiative. Sie können bestimmte Ergebnisse je nach Bedarf ankreuzen oder abhaken.
Dies ist tatsächlich eine gute Sache, da Sie zunächst klären müssen, welche Methode Sie verwenden möchten, anstatt jedes Mal den t-Test zu verwenden, wenn Sie eine kontinuierliche Variable haben. Sie müssen zunächst die Normalität und Homogenität der Varianzen kontinuierlicher Variablen ermitteln und dann die gewünschten Ergebnisse anhand der Ergebnisse überprüfen.
3. Interaktive Visualisierungen überall
Da es sich um eine Software handelt, die sich durch interaktive Visualisierung auszeichnet, werden JMP-Analyseergebnisse für diejenigen Teile, die grafisch dargestellt werden können, grafisch angezeigt, was es Analysten erleichtern kann, die Größe der Unterschiede zwischen Gruppen intuitiver zu erkennen. Man kann sagen, dass es in JMP überall interaktive visuelle Analysen gibt.
4. Sekundäre Explorationsanalyse in Ergebnissen
Neben der Bereitstellung verschiedener Methoden bietet die JMP-Ergebnisschnittstelle auch verschiedene Änderungsmöglichkeiten. Sie können Grafiken und Ergebnisse in den Ergebnissen jederzeit ändern und explorative Analysen flexibel durchführen, was sehr praktisch ist.
Anhand eines einfachen Falls wird die leistungsstarke Funktion des JMP-Intergruppenvergleichs vorgestellt. In den folgenden Artikeln werden wir Sie dazu bringen, die spezifische Intergruppenvergleichsmethode und deren Bedienung in JMP im Detail zu erläutern. Laden Sie JMP herunter. Starten Sie Ihre Daten Analysereise.
Original: Ein magisches JMP-Menü für alle Datenvergleiche zwischen Gruppen
[Empfohlene Lektüre] Nr. 10 der Fähigkeiten, die Sie für die Datenanalyse unbedingt erlernen müssen:
